问题描述
如何通过 API 获取维基百科中国君主列表的各个表的部分标题:Xia dynasty (夏朝) (2070–1600 BC)
、Shang dynasty (商朝) (1600–1046 BC)
、Zhou dynasty (周朝) (1046–256 BC)
等?我使用下面的代码连接:
from pprint import pprint
import requests,wikitextparser
r = requests.get(
'https://en.wikipedia.org/w/api.PHP',params={
'action': 'query','titles': 'List_of_Chinese_monarchs','prop': 'revisions','rvprop': 'content','format': 'json',}
)
r.raise_for_status()
pages = r.json()['query']['pages']
body = next(iter(pages.values()))['revisions'][0]['*']
doc = wikitextparser.parse(body)
print(f'{len(doc.tables)} tables retrieved')
han = doc.tables[5].data()
doc.tables[6].data()
doc.tables[i].data()
只返回表值,没有其 <h2>
部分标题。我希望 API 向我返回与返回的 83 个表中的每一个相对应的标题字符串列表。
原始网站:
https://en.wikipedia.org/wiki/List_of_Chinese_monarchs
解决方法
当它是您感兴趣的部分时,我不确定您为什么要使用 doc.tables。这对我有用:
for i in range(1,94,1):
print(doc.sections[i].title.replace('[[','').replace(']]',''))
我得到了 94 个部分,而不是 83 个,虽然您可以使用 len(doc.sections) 这将包括另见等。必须有一种更优雅的方式来删除 wikilinks。