python - 提取维基百科文章的介绍部分，由 python

Question

我想提取维基百科文章的介绍部分（忽略所有其他内容，包括表格、图像和其他部分）。我查看了文章的 html 源代码，但我没有看到这部分包含的任何特殊标签。

谁能给我一个快速的解决方案？我正在编写python脚本。

谢谢

Answer 1

1. 您可能需要检查mwlib以解析维基百科源
2. 或者，使用wikidump库
3. 通过BeautifulSoup抓取 HTML 屏幕

啊，关于这个话题已经有一个问题了：

1. 解析维基百科转储
2. 如何通过 python 从 mediawiki 标记文章中解析/提取数据

Answer 2

我认为您通常可以通过获取整页，剥离所有表格，然后在标记之后查找 <p>...</p> 块的第一个序列来获得介绍文本。最后一点就是这个正则表达式：

/<!-- bodytext -->.*?(<p>.*?<\/p>\s*)+/

使用 .S 选项制作 . 匹配换行符...