Question

我正在尝试使用Python 2.7进行一些分析，了解维基百科文章的内容如何随时间而变化。我只对页面内容感兴趣，并发现最简单的方法是使用Wikipedia package。我的代码成功加载了一篇文章，然后我可以使用article.content函数进行分析。

import Wikipdia

# pull in wikipedia article
name = 'George W. Bush'
article = wikipedia.page(name)

object = article.content
# Do analysis here

以下代码（我从另一个Stack Exchange问题得到）找到了我想要的所有修订历史记录。从这里我可以提取我需要的所有修订版ID。

site = wiki.Wiki("http://en.wikipedia.org/w/api.php")
names = ["Sherrod Brown","Maria Cantwell"]
allMembers = []
for name in labels:
     params = {'action':'query',
    'titles': name,
    'prop':'revisions',
    'rvprop':'ids|flags|timestamp|userid|user|size|comment|tags|minor',
    'rvlimit':'10'
}
req = api.APIRequest(site, params)
res = req.query(querycontinue=False)
allMembers.append(res)

# Write to a file and load it into a dictionary
with open('wiki-leg.json', 'w') as outfile:
     json.dump(allMembers, outfile, indent=2)

with open('wiki-leg.json') as data_file:    
    data = json.load(data_file)

从这里我不知道如何为修订获得相同的article.content（）。我似乎无法用维基百科软件包做到这一点，并且使用urllib2并没有产生简单的文本解析结果。有没有办法获取维基百科文章的旧版本（修订版）的内容？

Answer 1

我对维基百科库并不是很熟悉，但pywikibot对你想要做的事情似乎很容易。所以你需要来自同一页面的不同版本的文本，对吧？试试这个：

import pywikibot

site = pywikibot.Site(u"en", fam=u"wikipedia")
wpage = pywikibot.Page(site, u"Portugal")

wpHist = wpage.fullVersionHistory(total=5)
for i in wpHist:
    print i[3]

在每次迭代中，您都将获得有关该修订的信息。

Answer 2

要获取单个修订版ID的页面内容，即您已经拥有修订版ID并且只想要该页面而不是完整历史记录，您可以使用getOldVersion：

import pywikibot

site = pywikibot.Site("en", "wikipedia")
page = pywikibot.Page(site, "George W. Bush")
revs = page.revisions(content=False, total = 10)
revs = list(revs)

# example
revs[9]['revid']

text = page.getOldVersion(oldid = revs[9]['revid'])
print(text)

某些上下文：获取包含数千次修改的页面的完整历史记录可能需要一些时间，而且对于我尝试执行的操作，我只需要一小部分修订。因此，在没有内容的情况下查询修订历史更快，识别我需要的修订ID，然后仅下载内容。

如何加载维基百科文章的旧（修订版）的内容

2 个答案: