维基百科页面上的图像标题

Question

我正在查看Wikipedia文章上的标题（每个图像下方的文字）。我希望解析这些字符串（主要使用正则表达式），然后如果匹配，则要保存该图像的链接。

我一直在直接导入Wikipedia来解析文本，但是在网上浏览后，我发现我需要另一种解析器。我尝试使用mwparserfromhell和pywikibot，但是我无法为我解决pywikibot错误，只是mwparserfromhell给了我空的结果。

在不使用DBPpedia的情况下完成上述操作的任何帮助吗？

Answer 1

这是我写的要做的这件事

#!/usr/bin/python3

"""
    parse.py

    MediaWiki API Demos
    Demo of `Parse` module: Parse content of a page

    MIT License
"""

import requests
from pprint import pprint

S = requests.Session()

URL = "https://en.wikipedia.org/w/api.php"

page_title= "Photosynthesis"
PARAMS = {
    "action": "parse",
    "page": page_title,
    "format": "json"
}

R = S.get(url=URL, params=PARAMS)
DATA = R.json()
page = (DATA["parse"]["text"]["*"])
from bs4 import BeautifulSoup
soup = BeautifulSoup(page, 'html.parser')
thumb_divs = soup.findAll("div", {"class": "thumbinner"})

images = []
for div in thumb_divs:
    image = div.findAll("img")[0]['src']
    caption = div.findAll("div")[0].text

    image_and_caption = {
        'image_url' : image,
        'image_caption' : caption
    }
    images.append(image_and_caption)

return_value = {'term' : page_title, 'images' : images }

pprint(return_value)