Question

我在Python中使用mwlib来迭代Wikipedia转储。我想忽略重定向，只看实际完整标题的页面内容。我已经运行了mw-buildcdb，我正在加载：

wiki_env = wiki.makewiki(wiki_conf_file)

当我循环遍历wiki_env.wiki.articles()时，字符串似乎包含重定向标题（我在针对维基百科的几个示例中检查了这一点）。我没有看到跳过这些的访问者，wiki_env.wiki.redirects是一个空字典，因此我无法检查哪些文章标题实际上只是那样重定向。

我已尝试查看mwlib代码，但如果我使用

page = wiki_env.wiki.get_page(page_title)
wiki_env.wiki.nshandler.redirect_matcher(page.rawtext)

page.rawtext似乎已经被重定向（包含整页内容，并且没有迹象表明标题不匹配）。同样，Article返回的getParsedArticle()节点似乎不包含要检查的“true”标题。

任何人都知道如何做到这一点？我是否需要以不存储重定向的方式运行mw-buildcdb？据我所知，该命令只接受输入转储文件和输出CDB，没有其他选项。

Answer 1

如有疑问，请自行修补。：O）