1

我正在尝试在 其 Index Wikisource page中填写一本书的页码。下面的代码在具体的 pageNumber 参数中写得很好。如果页面是空的，它看起来很好。但如果我再次运行代码，由于串联，67 变为 6767。我怎么知道 pageNumber 参数 ( '|Number of pages=') 为空？或者如果参数已经填写，我如何在代码中设置跳过选项。

编写代码；-

#!/usr/bin/env python
# -*- coding: utf-8 -*- 
import pywikibot

indexTitle = 'அட்டவணை:தமிழ் நாடகத் தலைமை ஆசிரியர்-2.pdf'
indexPages = '67'
site1 = pywikibot.Site('ta', 'wikisource')
page = pywikibot.Page(site1, indexTitle)
indexTitlePage = page.text.replace('|Number of pages=','|Number of pages='+indexPages)
page.save(summary='67')
4

2 回答 2

1

您可以使用re- 正则表达式库来搜索模式：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import pywikibot
import re

indexTitle = 'அட்டவணை:தமிழ் நாடகத் தலைமை ஆசிரியர்-2.pdf'
indexPages = '67'
site1 = pywikibot.Site('ta', 'wikisource')
page = pywikibot.Page(site1, indexTitle)
print(page.text)
res = re.compile('\|Number of pages= *(\d+)').search(page.text)
if res:
    print("number of pages is already assign to %s" % res.group(1))
else:
    indexTitlePage = page.text.replace('|Number of pages=','|Number of pages='+indexPages)
    page.save(summary='67')

此外，如果您正在处理处理 utf8 文本，最好转到 python3，因为它对此有更好的支持。

于 2018-03-18T10:46:50.593 回答
1

我遇到过类似的情况，在我看来，使用 pywikibot 解析模板还不够好（使用 textlib 中的 'extract_templates_and_params_regex_simple' 和 'glue_template_and_params'）。

我的解决方案终于使用了 - mwparserfromhell。这个库在尝试解析/更改模板（及其参数）时更方便。

您的代码中存在潜在问题，您没有搜索任何模板，因此如果两个模板以某种方式使用相同的参数，您将同时更改两者（您仍然可以忽略它，但 jfyi）。

使用 mwparserfromhell + pywikibot 就像（使用代码中的“页面”）：

parsed_mw = mwparserfromhell.parse(page.text)
my_template = parsed_mw.filter_templates(my_template_name)[0]  # Taking the first template
my_template.get('Number of pages').value=67

page.text = parsed_mw
于 2018-06-15T10:57:54.003 回答