Python regex für das Finden von Inhalten von MediaWiki-Auszeichnungslinks

Question

Wenn ich etwas XML habe, das Dinge wie die folgende MediaWiki-Auszeichnung enthält:

"...gesammelt im 12. Jahrhundert, von dem [[Alexander der Große]] der Held war, und in dem er dargestellt wurde, etwas wie der britische [[König Arthur|Arthur]]"

welche wären die passenden Argumente für so etwas wie:

re.findall([[__?__]], article_entry)

Ich habe ein wenig Schwierigkeiten, die doppelten eckigen Klammern zu escapen und den richtigen Link für Text wie: [[Alexander von Paris|Dichter namens Alexander]]

Answer 1

Hier ist ein Beispiel

import re

pattern = re.compile(r"\[\[([\w \|]+)\]\]")
text = "blah blah [[Alexander von Paris|Dichter namens Alexander]] bldfkas"
results = pattern.findall(text)

output = []
for link in results:
    output.append(link.split("|")[0])

# outputs ['Alexander von Paris']

Version 2, fügt mehr zum Regex hinzu, ändert aber als Ergebnis die Ausgabe:

import re

pattern = re.compile(r"\[\[([\w ]+)(\|[\w ]+)?\]\]")
text = "[[a|b]] fdkjf [[c|d]] fjdsj [[efg]]"
results = pattern.findall(text)

# outputs [('a', '|b'), ('c', '|d'), ('efg', '')]

print [link[0] for link in results]

# outputs ['a', 'c', 'efg']

Version 3, wenn Sie nur den Link ohne den Titel möchten.

pattern = re.compile(r"\[\[([\w ]+)(?:\|[\w ]+)?\]\]")
text = "[[a|b]] fdkjf [[c|d]] fjdsj [[efg]]"
results = pattern.findall(text)

# outputs ['a', 'c', 'efg']

Answer 2

RegExp: \w+( \w+)+(?=]])

Eingabe

[[Alexander von Paris|Dichter namens Alexander]]

Ausgabe

Dichter namens Alexander

Eingabe

[[Alexander von Paris]]

Ausgabe

Alexander von Paris

Answer 3

import re
pattern = re.compile(r"\[\[([\w ]+)(?:\||\]\])")
text = "von denen [[Alexander der Große]] etwas ähnlich war wie [[König Arthur|Arthur]]"
results = pattern.findall(text)
print results

Würde die Ausgabe geben

["Alexander der Große", "König Arthur"]

Answer 4

Wenn Sie versuchen, alle Links von einer Seite zu erhalten, ist es natürlich viel einfacher, die MediaWiki API zu verwenden, wenn möglich, z.B. http://en.wikipedia.org/w/api.php?action=query&prop=links&titles=Stack_Overflow_(website).

Beachten Sie, dass beide Methoden Links verpassen, die in Vorlagen eingebettet sind.