通过 python 提取维基百科文章的介绍部分

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，但没有看到这部分包含的任何特殊标签。

任何人都可以给我一个快速解决方案吗？我正在写 python 脚本。

谢谢

Answer 1

1. 您可能需要检查 mwlib 来解析维基百科源
2. 或者，使用 wikidump lib
3. 通过 BeautifulSoup

啊，关于这个主题已经有一个问题：

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、删除所有表格，然后查找第一个序列

...

来找到介绍文本。标记后的块。最后一点是这个正则表达式：

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

使用 .S 选项来制作 .匹配换行符...