用python制作wiki解析器（希望很简单）

Question

在joksnet的程序here的帮助下，我已经设法得到了我正在寻找的纯文本维基百科文章。在

返回的文本包括标题的Wiki标记，因此，例如，Albert Einstein article的部分返回如下：

==Biography==

===Early life and education===
blah blah blah

我真正想做的是将检索到的文本输入到一个函数中，并将所有顶层部分用粗体html标记括起来，第二级部分用斜体表示，如下所示：

^{pr2}$

但恐怕我甚至不知道如何开始，至少不能不让函数变得过于天真。我需要使用正则表达式吗？ 如有任何建议，不胜感激。在

抱歉，如果“解析”是一个太强的词，我在这里试图做的。在

Answer 1

我认为最好的方法是让MediaWiki负责解析。我不知道你用的库，但基本上这就是

{a1}

它返回原始wikitext和

http://en.wikipedia.org/w/api.php?action=query&prop=revisions&titles=Albert%20Einstein&rvprop=content&rvparse

返回已解析的HTML。在

Answer 2

您可以使用regex和scraping模块，如Scrapy和Beautifulsoup来解析和抓取wiki页面。 既然您已经澄清了您的问题，我建议您使用github上托管的py wikimarkup模块。链接是https://github.com/dcramer/py-wikimarkup/。我希望这有帮助。在

Answer 3

最后我做了这个：

def parseWikiTitles(x):
    counter = 1

    while '===' in x:
        if counter == 1:
            x = x.replace('===','<i>',1)
            counter = 2

        else:
            x = x.replace('===',r'</i>',1)
            counter = 1

    counter = 1

    while '==' in x:
        if counter == 1:
            x = x.replace('==','<b>',1)
            counter = 2

        else:
            x = x.replace('==',r'</b>',1)
            counter = 1


    x = x.replace('<b> ', '<b>', 50)
    x = x.replace(r' </b>', r'</b>', 50)
    x = x.replace('<i> ', '<i>', 50)
    x = x.replace(r' </i>', r'<i>', 50)

    return x

我将带有wiki标题的文本字符串传递给该函数，它返回相同的文本，并将==和===替换为粗体和斜体HTML标记。最后一件事是删除标题前后的空格，例如，== title ==被转换成{}，而不是{}

到目前为止工作顺利。在

谢谢你们的帮助， 亚历克斯