中文維基百科的「布亞里」文章品質得分為 6.9 分（截至2024年8月1日）.
這篇文章是葡萄牙語維基百科中品質最好的。 此外，這篇文章是該語言版本中最受歡迎的。 自「布亞里」文章創建以來，其內容由 4 名中文維基百科註冊用戶撰寫，並由 224 名所有語言的註冊維基百科用戶編輯。 該文章在中文維基百科中被引用 22 次，在所有語言中被引用 458 次。
2001 年以來作者的最高興趣排名：
2008年以來的最高人氣排名：
WikiRank 資料庫中本文有 27 種語言版本（所考慮的 55 個維基百科語言版本）。
品質和受歡迎程度評估是基於 2024年8月1日的維基百科轉儲（包括前幾年的修訂歷史和頁面瀏覽量）。
下表顯示了最高品質的文章的語言版本。
| # | 语言 | 引证指数奖 | 相对引证指数 |
|---|---|---|---|
| 1 | 葡萄牙語 (pt) Bujari |
 | 70 |
| 2 | 阿拉伯語 (ar) بوجاري |
| 62 |
| 3 | 保加利亞語 (bg) Бужари |
 | 31 |
| 4 | 意大利語 (it) Bujari |
 | 25 |
| 5 | 德語 (de) Bujari |
| 24 |
| 6 | 英語 (en) Bujari |
| 24 |
| 7 | 挪威語 (no) Bujari |
| 23 |
| 8 | 羅馬尼亞語 (ro) Bujari |
| 23 |
| 9 | 波斯語 (fa) بوژاری |
| 22 |
| 10 | 印度尼西亞語 (id) Bujari |
| 22 |
| # | 语言 | 价值 |
|---|---|---|
| ar | 阿拉伯語 بوجاري |  |
| bg | 保加利亞語 Бужари |  |
| de | 德語 Bujari |  |
| en | 英語 Bujari |  |
| eo | 世界語 Bujari |  |
| es | 西班牙語 Bujari |  |
| eu | 巴斯克語 Bujari | |
| fa | 波斯語 بوژاری |  |
| fr | 法語 Bujari |  |
| hi | 印地語 बुजारी |  |
| hy | 亞美尼亞語 Բուժարի | |
| id | 印度尼西亞語 Bujari | |
| it | 意大利語 Bujari | |
| ka | 格魯吉亞語 ბუჟარი | |
| kk | 哈薩克語 Бужари |  |
| ms | 馬來語 Bujari |  |
| nl | 荷蘭語 Bujari |  |
| no | 挪威語 Bujari | |
| pl | 波蘭語 Bujari | |
| pt | 葡萄牙語 Bujari |  |
| ro | 羅馬尼亞語 Bujari | |
| ru | 俄語 Бужари | |
| sv | 瑞典語 Bujari (kommun) |  |
| tr | 土耳其語 Bujari |  |
| vi | 越南語 Bujari | |
| zh | 中文 布亞里 | |
| zhminnan | 閩南語 Bujari |  |
| 最佳排名 | 中文: 459752 03.2018 |
全球: 705157 01.2012 |
| 最佳排名 | 中文: 53137 06.2015 |
全球: 35256 03.2016 |
不同語言的維基百科文章列表（從最受歡迎的開始）：
2024年10月10日，在多語言維基百科中，網路使用者最常閱讀以下主題的文章：韩江、Lyle and Erik Menendez、拉斐爾·拿度、尚恩·库姆斯、喬治·鮑多克、拉坦·塔塔、颶風卡特里娜、飓风米尔顿、小丑：雙重瘋狂、埃塞爾·甘迺迪。
中文維基百科當天最受歡迎的文章是：韩江 (作家)、玫瑰的故事 (电视剧)、國慶日 (中華民國)、黑色月光、2024年北極羽毛球公開賽、黑白大廚：料理階級大戰、重组家庭、来自地狱的法官、中華民國、膽大黨.
該計畫旨在對維基百科各種語言版本的文章進行自動相對評估。 目前，該服務允許比較 55 種語言的超過 4,400 萬篇維基百科文章。 文章的品質分數是根據 2024年8月的維基百科轉儲。 在計算作者當前的受歡迎程度和興趣時，考慮了 2024年7月的數據。 對於作者受歡迎程度和興趣的歷史價值，WikiRank 使用了 2001 年至 2023 年的數據。 更多資訊
$$品質=1/c∑↙{i=1}↖c nm_i-RS=1/5(1.01+0+33.33+0+0)$$
在哪裡：
$$GlobalAI=|⋃↙{lang=1}↖27 Authors_{lang}|=3$$
$$PopGlobal=∑↙{lang=1}↖27 PopLocal_{lang}=436$$
where:
由於公式中歸一化指標的四捨五入值，計算結果可能略有不同
