如何格式化或规范化维基百科标题以获得其维基百科页面 ID (python)

Question

简介

作为输入，我们有一个维基百科页面 title，我们要为其提取其维基百科 page ID。为此，我使用以下 python 代码：

#! /usr/bin/python
# -*- coding: utf-8 -*

import requests

if __name__ == "__main__": 
   url = "https://en.wikipedia.org/w/api.php?format=json&action=query&prop=extracts&exintro=&explaintext=&titles=Daniel cudmore businessman"
   result = requests.get(url).json()
   print result

问题

我无法找到以下标题的维基百科页面 ID:

1- daniel cudmore businessman

{u'batchcomplete': u'', u'query': {u'pages': {u'-1': {u'ns': 0, u'missing': u'', u'title': u'Daniel cudmore businessman'}}}}

页面的实际id应该是： 37030093

这里的问题是，使用的维基百科页面标题是 Daniel Cudmore（商人），而我的标题是以下形式 daniel Cudmore businessman.

2- Prince david of georgia:

{u'batchcomplete': u'', u'query': {u'normalized': [{u'to': u'Prince david of georgia', u'from': u'prince david of georgia'}], u'pages': {u'-1': {u'ns': 0, u'missing': u'', u'title': u'Prince david of georgia'}}}}

页面的实际id应该是：3443932

这里维基百科页面的标题和我用的标题是一样的。我找不到问题。

在 DBpedia SPARQL endpoint:

SELECT ?id WHERE { 
     <http://dbpedia.org/resource/Daniel_Cudmore_(businessman)>  
     <http://dbpedia.org/ontology/wikiPageID> ?id}

SPARQL results

Answer 1

在后一个例子 ("Prince_david_of_georgia") 中，你有不同的字符大小写（与 "Prince_David_of_Georgia" 比较），因此维基百科上也不存在该特定页面

您可以使用 Special Search-URL: https://en.wikipedia.org/wiki/Special:Search/Prince_david_of_georgia 获取请求的页面，然后检索 ID

或建议列表： https://en.wikipedia.org/wiki/Special:Search/Daniel_Cudmore_businessman 您可以解析第一个条目。这可能是您的页面。在没有白色 space、大括号等的情况下进行一些字符串比较以仔细检查 - 然后像您所做的那样检索 ID。

如何格式化或规范化维基百科标题以获得其维基百科页面 ID (python)

How can I format or normalize a wikipedia title in order to get its wikipedia page id (python)

python

wikipedia

简介

问题