wikipedia 是一個 Python 庫，用於從維基百科（Wikipedia）獲取數據。它提供了一個簡單易用的接口，允許用户搜索維基百科頁面、獲取頁面內容、摘要、鏈接、圖片等信息。該庫主要通過維基百科的 API（MediaWiki API）與維基百科交互，適用於快速原型開發、數據挖掘或教育用途。
以下是對 wikipedia 庫的詳細説明和常見用法。
1. wikipedia 庫的作用
- 搜索維基百科：根據關鍵詞搜索相關頁面。
- 獲取頁面內容：提取維基百科頁面的完整內容、摘要、標題、URL 等。
- 多語言支持：支持訪問不同語言版本的維基百科（如英文、中文、法文等）。
- 簡單接口：提供直觀的函數和方法，適合快速開發。
注意：
wikipedia庫是第三方庫，不是 Python 標準庫，且功能較為基礎。對於複雜需求（如批量爬取、解析維基文本），推薦使用wikipedia-api或直接調用 MediaWiki API。
2. 安裝與環境要求
- Python 版本：支持 Python 2.7+ 和 3.x（推薦 3.6+）。
- 依賴：
requests：用於發送 HTTP 請求。beautifulsoup4（可選）：用於解析 HTML（某些功能可能需要）。
- 安裝命令：
pip install wikipedia- 驗證安裝：
import wikipedia
print(wikipedia.__version__) # 示例輸出: 1.4.03. 核心功能與用法
wikipedia 庫的主要功能通過模塊級函數和 WikipediaPage 對象實現。
3.1 搜索維基百科
使用 wikipedia.search() 查找與關鍵詞相關的頁面：
import wikipedia
# 搜索關鍵詞
results = wikipedia.search("Python")
print(results)輸出示例：
['Python (programming language)', 'Python', 'Monty Python', 'Python Software Foundation', ...]説明：
search(query, results=10)返回與查詢相關的頁面標題列表。results參數控制返回結果的最大數量。
3.2 獲取頁面摘要
使用 wikipedia.summary() 獲取頁面的簡短摘要：
import wikipedia
# 獲取摘要
summary = wikipedia.summary("Python (programming language)")
print(summary[:200]) # 截取前 200 字符輸出示例：
Python is a high-level, interpreted programming language known for its readability and versatility. Created by Guido van Rossum and first released in 1991, Python emphasizes code simplicity...説明：
summary(title, sentences=0)返回指定頁面的摘要。sentences參數可限制摘要的句子數（默認返回完整摘要）。- 如果頁面標題有歧義，會拋出
wikipedia.exceptions.DisambiguationError。
3.3 獲取完整頁面內容
使用 wikipedia.page() 獲取 WikipediaPage 對象，訪問頁面詳細信息：
import wikipedia
# 獲取頁面對象
page = wikipedia.page("Python (programming language)")
# 訪問屬性
print(page.title) # 輸出: Python (programming language)
print(page.url) # 輸出: https://en.wikipedia.org/wiki/Python_(programming_language)
print(page.content[:200]) # 截取內容前 200 字符輸出示例：
Python is a high-level, general-purpose programming language. Its design philosophy emphasizes code readability with the use of significant indentation...常用屬性：
page.title：頁面標題。page.content：完整頁面內容（純文本）。page.url：頁面 URL。page.links：頁面中鏈接到的其他維基百科頁面列表。page.images：頁面中的圖片 URL 列表。page.references：頁面中的外部引用鏈接。
3.4 處理多語言
通過 wikipedia.set_lang() 切換維基百科語言版本：
import wikipedia
# 設置為中文維基百科
wikipedia.set_lang("zh")
# 搜索和獲取摘要
print(wikipedia.search("Python")) # 輸出中文頁面標題
summary = wikipedia.summary("Python (編程語言)")
print(summary[:200])輸出示例：
Python（中文：蟒蛇）是一種廣泛使用的高級編程語言，由吉多·範羅蘇姆（Guido van Rossum）創造，首次發佈於1991年。Python以其代碼可讀性和簡潔的設計哲學而聞名...支持語言：通過語言代碼（如 "en"、"zh"、"fr"）切換，完整列表見 MediaWiki API 文檔。
3.5 處理歧義頁面
當頁面標題有多種含義時，會拋出 DisambiguationError：
import wikipedia
try:
page = wikipedia.page("Python")
except wikipedia.exceptions.DisambiguationError as e:
print(e.options) # 輸出可能的頁面標題輸出示例：
['Python (programming language)', 'Python', 'Monty Python', 'Python Software Foundation', ...]解決方法：
- 使用精確標題（如
"Python (programming language)"）。 - 捕獲異常並選擇所需選項。
3.6 獲取 HTML 內容
使用 page.html() 獲取頁面的 HTML 源碼：
import wikipedia
page = wikipedia.page("Python (programming language)")
html_content = page.html()
print(html_content[:200])説明：
- 返回原始 HTML，可結合
beautifulsoup4解析特定元素。
4. 性能與限制
- API 限制：維基百科 API 有速率限制，短時間內大量請求可能被阻止。建議設置請求間隔或使用批量查詢。
- 數據量：完整頁面內容可能很長，內存佔用較高，建議優先使用
summary()。 - 內容格式：返回的文本是純文本，複雜格式（如表格、公式）可能丟失。
- 庫維護：
wikipedia庫最後更新較舊（截至 2023 年為 1.4.0），可能不完全支持最新 MediaWiki API 特性。
5. 實際應用場景
- 數據採集：從維基百科獲取知識數據，用於構建數據集或知識庫。
- 教育工具：開發交互式學習應用，展示維基百科內容。
- 語義分析：結合 NLP 庫（如
sentence_transformers）分析維基百科文本。 - 聊天機器人：為用户查詢提供維基百科摘要。
- 內容聚合：自動彙總多語言維基百科內容。
示例（批量獲取摘要）：
import wikipedia
keywords = ["Python (programming language)", "Java (programming language)", "C++"]
summaries = {}
for keyword in keywords:
try:
summaries[keyword] = wikipedia.summary(keyword, sentences=2)
except wikipedia.exceptions.DisambiguationError as e:
summaries[keyword] = f"Disambiguation: {e.options[:3]}"
except wikipedia.exceptions.PageError:
summaries[keyword] = "Page not found"
for keyword, summary in summaries.items():
print(f"{keyword}:\n{summary}\n")6. 注意事項
- 異常處理：
wikipedia.exceptions.PageError：頁面不存在。wikipedia.exceptions.DisambiguationError：標題有歧義。wikipedia.exceptions.HTTPTimeoutError：API 請求超時。
- 編碼問題：某些語言的字符可能需要正確處理編碼（如中文）。
- API 使用規範：
- 遵循維基百科的 API 使用政策，避免過度請求。
- 設置用户代理（User-Agent）以標識請求來源：
wikipedia.set_user_agent("MyApp/1.0 (contact@example.com)")- 替代庫：
wikipedia-api：更現代的接口，支持結構化數據提取。mwclient：適合複雜 MediaWiki 操作。requests+ MediaWiki API：直接調用 API，靈活性更高。
7. 綜合示例
以下是一個綜合示例，展示搜索、獲取摘要和處理多語言：
import wikipedia
# 設置語言
wikipedia.set_lang("en")
# 搜索並獲取頁面
query = "Python"
try:
# 搜索相關頁面
search_results = wikipedia.search(query, results=5)
print("Search results:", search_results)
# 獲取精確頁面的摘要和鏈接
page = wikipedia.page("Python (programming language)")
print("\nTitle:", page.title)
print("Summary:", wikipedia.summary(page.title, sentences=2))
print("URL:", page.url)
print("Links (first 5):", page.links[:5])
# 切換到中文並獲取摘要
wikipedia.set_lang("zh")
summary_zh = wikipedia.summary("Python (編程語言)", sentences=2)
print("\nChinese Summary:", summary_zh)
except wikipedia.exceptions.DisambiguationError as e:
print("Disambiguation options:", e.options)
except wikipedia.exceptions.PageError:
print("Page not found")
except Exception as e:
print("Error:", e)輸出示例：
Search results: ['Python (programming language)', 'Python', 'Monty Python', 'Python Software Foundation', 'History of Python']
Title: Python (programming language)
Summary: Python is a high-level, interpreted programming language known for its readability and versatility. Created by Guido van Rossum and first released in 1991, Python emphasizes code simplicity...
URL: https://en.wikipedia.org/wiki/Python_(programming_language)
Links (first 5): ['.NET', '3D computer graphics', 'ABC (programming language)', 'ALGOL 68', 'API']
Chinese Summary: Python（中文：蟒蛇）是一種廣泛使用的高級編程語言，由吉多·範羅蘇姆（Guido van Rossum）創造，首次發佈於1991年。Python以其代碼可讀性和簡潔的設計哲學而聞名...本文章為轉載內容，我們尊重原作者對文章享有的著作權。如有內容錯誤或侵權問題，歡迎原作者聯繫我們進行內容更正或刪除文章。
