-
Notifications
You must be signed in to change notification settings - Fork 0
/
connect-taxa.txt
215 lines (146 loc) · 6.88 KB
/
connect-taxa.txt
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
#!/usr/bin/perl
use strict;
# Crypt::SSLeay muss installiert sein fuer SSL-Support
# apt-get install libwww-mechanize-perl libio-socket-ssl-perl libnet-ssleay-perl
use WWW::Mechanize;
use Data::Dumper;
use HTML::FormatText;
#http://glennf.com/writing/hexadecimal.url.encoding.html
# This pattern takes the hex characters and decodes them back into real characters. The function hex() turns a hex number into decimal; there is no dec() that does the reverse in perl. The "e" at the end of the regexp means "evaluate the replacement pattern as an expression."
sub URLDecode {
my $theURL = $_[0];
$theURL =~ tr/+/ /;
$theURL =~ s/%([a-fA-F0-9]{2,2})/chr(hex($1))/eg;
$theURL =~ s/<!--(.|\n)*-->//g;
return $theURL;
}
sub URLEncode {
my $theURL = $_[0];
$theURL =~ s/([\W])/"%" . uc(sprintf("%2.2x",ord($1)))/eg;
return $theURL;
}
####################
### TODO:
### for each object check if there is already a existing sitelink
### if there already is a sitelink, then do not change that object --> only add new sitelinks, dont modify existing sitelinks
######
####################
my $USER_AGENT='Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/45.0.2454.101 Safari/537.36';
# See the autocheck parameter, which turns all HTTP errors into fatal errors. When you turn autocheck off, you will need to do all error checking yourself.
my $agent = WWW::Mechanize->new( agent => $USER_AGENT, autocheck => 0 );
##########################
#### https://w.wiki/6TpE
# https://w.wiki/8ETX
# SELECT DISTINCT ?item ?label ?sitelink
# WHERE
# {
# { ?item wdt:P31 wd:Q16521. } UNION { ?item wdt:P31 wd:Q23038290. } UNION { ?item wdt:P31 wd:Q310890. }
# SERVICE wikibase:mwapi
# {
# bd:serviceParam wikibase:endpoint "www.wikidata.org";
# wikibase:api "Generator";
# mwapi:generator "search";
# mwapi:gsrsearch "^Acipenser$"@en;
# mwapi:gsrlimit "max".
# ?item wikibase:apiOutputItem mwapi:title.
# }
# ?item rdfs:label ?label. FILTER( LANG(?label)="en"
# && REGEX( ?label, "^?Acipenser$")
# )
# ?article schema:about ?item ;
# schema:isPartOf <https://nl.wikipedia.org/> ;
# schema:name ?sitelink .
#
# }
# Sewellia marmorata
#
#
my $INFILE = 'list.txt';
open ( IN, "< $INFILE") || die("cannot open $INFILE: $! \n");
my $count =0 ;
while(<IN>)
{
chop;
my $kat = $_;
$kat =~ s/^(\s)*//og; # trim
$kat =~ s/(\s)*$//og; # trim
$kat =~ s/_/ /og; # trim
my $lemma_encode = URLEncode($kat);
# print "KAT:$kat:encode:$lemma_encode:\n";
########################
# { ?item wdt:P31 wd:Q16521. } UNION { ?item wdt:P31 wd:Q23038290. } UNION { ?item wdt:P31 wd:Q310890. }
my $lang_label = 'en';
# my $lang_label = 'es';
# my $lang_label = 'la';
# my $lang_label = 'it';
# my $lang_label = 'tr';
# my $lang_label = 'nl';
my $wd_url ='https://query.wikidata.org/sparql?query=SELECT%20DISTINCT%20%3Fitem%20%3Flabel%0AWHERE%0A%7B%0A%20%7B%20%3Fitem%20wdt%3AP31%20wd%3AQ16521.%20%7D%20UNION%20%20%7B%20%3Fitem%20wdt%3AP31%20wd%3AQ23038290.%20%7D%0A%20UNION%20%20%7B%20%3Fitem%20wdt%3AP31%20wd%3AQ310890.%20%7D%0A%20SERVICE%20wikibase%3Amwapi%0A%20%20%7B%0A%20%20%20%20bd%3AserviceParam%20wikibase%3Aendpoint%20%22www.wikidata.org%22%3B%0A%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20wikibase%3Aapi%20%22Generator%22%3B%0A%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20mwapi%3Agenerator%20%22search%22%3B%0A%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20mwapi%3Agsrsearch%20%22%5E'.$lemma_encode.'%24%22%40'.$lang_label.'%3B%0A%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20mwapi%3Agsrlimit%20%22max%22.%0A%20%20%20%20%3Fitem%20wikibase%3AapiOutputItem%20mwapi%3Atitle.%0A%20%20%7D%0A%20%20%3Fitem%20rdfs%3Alabel%20%3Flabel.%20FILTER%28%20LANG%28%3Flabel%29%3D%22'.$lang_label.'%22%20%0A%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%26%26%20REGEX%28%20%3Flabel%2C%20%22%5E%3F'.$lemma_encode.'%24%22%29%20%0A%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%20%29%20%0A%20%20%0A%7D';
# print "WD_URL:$wd_url:\n"; exit;
########################
# print "WD_URL:$wd_url:\n";
# "Accept: application/json"
# "Accept: text/csv"
# 'Accept' => 'application/json'
$agent->add_header(
'Accept' => 'text/csv'
);
$agent->get( $wd_url );
my $result3 = $agent->content;
# print "RESULT:$result3:\n"; exit;
# print "LINE2:".@result3[1]."\n";
if ($result3 =~ /wikidata.org\/entity\/Q([0-9]+),(.+)$/i) {
my $qid = $1;
my $LEMMA_MATCH = $2;
$LEMMA_MATCH =~ s/^(\s)*//og; # trim
$LEMMA_MATCH =~ s/(\s)*$//og; # trim
# print "MATCH:QID:$qid:CAT:$LEMMA_MATCH:\n";
if ( $LEMMA_MATCH eq $kat) {
# print "**** MATCH $LEMMA_MATCH $kat **** \n";
if ($qid > 0 ) {
# Wenn Q-ID gefunden, dann quickstatement ausgeben
# print "QUICKSTATEMENT for Q$qid\n";
############ nlwiki
# print "Q".$qid."\tSnlwiki\t\"".$kat."\"\n";
############ trwiki
print "Q".$qid."\tStrwiki\t\"".$kat."\"\n";
# $count++;
# print "COUNT:$count:\n";
# if ($count == 5) { exit ; }
} # if qid
# print "------------------\n";
} # if match
} # if result
# exit;
} # while
exit;
# my @lines = split (/\r\n/,$result3);
# my @lines = split (/\n\r/,$result3);
# foreach my $line (@lines) { print "LINE:$line:\n";
# if ($line =~ /wikidata.org\/entity\/Q([0-9]+),(.*)$/i) {
# print "QID:$1:CAT:$2:\n";
#my $qid = $1;
#my $LEMMA_MATCH = $2;
# $$LEMMA_MATCH =~ s/\s//og;
# if ( $LEMMA_MATCH eq $kat) { print "**** MATCH $LEMMA_MATCH $kat **** \n"; }
# } # lines
exit;
my $qid = 0; my $wd_commonscat = "";
# if ($result3 =~ /wikidata.org\/entity\/Q([0-9]+),$kat/i) {
# if ($wd_tr ne "") {
# print "lemma $lemma hat bereits commonscat $wd_commonscat - do nothing\n";
# } else {
# if ($qid > 0 ) {
# Wenn Q-ID gefunden, dann quickstatement ausgeben
# print "QUICKSTATEMENT for Q$qid\n";
# Q41269749 P373 "Ringstraße 13 Hofkapelle (Übersee, Chiemgau)"
# Q41269749 Scommonswiki "Category:Ringstraße 13 Hofkapelle (Übersee, Chiemgau)"
# print "Q".$qid."\t".'P373'."\t".'"'.$lemma_decode.'"'."\n";
# print "Q".$qid."\t".'Scommonswiki'."\t".'"Category:'.$lemma_decode.'"'."\n";
# $count++;
# if ($count == 5) { exit ; }
# print "------------------\n",
# } # qid > 0
# exit;
# # outer loop
exit 0;