Excel の WEBSERVICE 関数を使って、任意のキーワードに対応する Wikipedia Japanese の URL を取得する方法を紹介します。ガチの Entity Linking は自然文を解析してコンテクストに応じたリソースを取得するような高度な処理ですが、ここで紹介するのは「セルの値をコピーして検索フォームに貼り付けて Wikipedia のリンクを探すのつかれた、なんとかして」という声にこたえることを目的としています。

WEBSERVICE 関数については前稿 [Excel の WEBSERVICE 関数で外部データ取得] (http://qiita.com/frogcat/items/eddf5f8df4bba0419336) を参照してください。ちなみに Mac の Excel ではいまだサポートされていないようです。

1. シナリオ

以下のように A列に雑多なキーワードが並んだ Excel があります。B列に Wikipedia のへのリンクを埋めましょう。

2. 手順

入力

セル B1 に以下の式を入力します

キーワードからWikipediaのページ名を取得.

="https://ja.wikipedia.org/wiki/" & FILTERXML(WEBSERVICE("https://ja.wikipedia.org/w/api.php?format=xml&action=query&redirects&titles=" & ENCODEURL(A1)),"//*[not(@missing)]/@title")

うまくいくと次のように URL がフィルされます

コピー

B1 を B2～B19 にコピーすると以下のようにフィルされるはずです

確認と手直し

フィルされた URL をそれぞれ確認しましょう。たこや ドラクエ など、気になるものがありますね。

該当するページが存在しな場合には #VALUE! が表示されます。

またこの方法だとリンク先が 曖昧さ回避ページ であるかどうかまではわからないので、念のため個別に確認するのがいいです。

3. 解説

ここで紹介した方法は MediaWiki API:Query を使って、結果の XML から URL を作る、というものです。

具体的には以下のようなリクエストに対して

https://ja.wikipedia.org/w/api.php?format=xml&action=query&redirects&titles=なす

以下のような XML 出力が得られます。

response.xml

<?xml version="1.0"?>
<api batchcomplete="">
  <query>
    <redirects>
      <r from="なす" to="ナス" />
    </redirects>
    <pages>
      <page _idx="1211" pageid="1211" ns="0" title="ナス" /> 
    </pages>
  </query>
</api>

ここに //@title という XPath を適用することで、Wiki のページタイトルを取得しています。で、https://ja.dbpedia.org/wiki/ をアタマにつけて URL 化。

なお、リンク先のページがない場合には以下のように page 要素に missing 属性が付与されているので区別することができます。このような XML に対して //*[not(missing)]/@title という XPath を適用することで、missing 属性がついた要素は選択されない＝ EXCEL 関数上ではエラーとなる、という挙動を実現しています。

missing.xml

<?xml version="1.0"?>
<api batchcomplete="">
  <query>
    <pages>
      <page _idx="-1" ns="0" title="該当なし" missing="" />
    </pages>
  </query>
</api>

なお、ここ紹介した方法は単純な文字列連結で URL を作っていますが、空白をアンダースコアに変換したり、 URL エンコードをしたりなど、用途に応じて必要な処理を追加するといいでしょう。

4. まとめ

Wikipedia の API と Excel の WEBSERVICE 関数を使って、キーワードに対応する Wikipage を取得する方法を紹介しました
https://ja.dbpedia.org/wiki/ のかわりに http://ja.dbpedia.org/resource/ を使うとより LOD/EntityLinking としては好ましいですがそれはまた別の機会に
もっと高度な EntityLinking をお求めの方は http://openrefine.org/ などをどうぞ