Question

我正在为维基百科开发一个工具，而且我需要从模板的wikitext中提取参数名称和值，如下所示：

|param1=value1 |param2=value2 |param3=value3

这很容易，但有两个并发症。首先，可能有空格和换行符：

|param1=value1
| param2 = value 2
|   param3  =  value  3

第二，可能有管道在参数值内！像这样：

|param1=value1
|param2 = [[value2|val2]]
|param3  =  [[ value3 | val3 ]]

我担心这种正则表达的掌握程度超出了我目前的技能。谁能看到解决方案？谢谢！

Answer 1

您可以使用现有的库（如mwclient（https://github.com/mwclient/mwclient）和mwparserfromhell（https://github.com/earwig/mwparserfromhell）来实现此目的。

例如，下面的代码将提取模板＆amp;来自https://en.wikipedia.org/wiki/Test页面的参数：

import mwclient
import mwparserfromhell

wiki = mwclient.Site(('https','en.wikipedia.org'), '/w/')
page = wiki.Pages['Test']
text = page.text()
wikicode = mwparserfromhell.parse(text)
templates = wikicode.filter_templates()
for template in templates:
  print "Found template %s" % template.name
  for param in template.params:
     print "\tFound param %s with value %s" % (param.name, param.value)

你会看到类似的东西：

Found template SampleTemplate
  Found param1 with value value1
  Found param2 with value value2
  Found param3 with value value3
...

Answer 2

input = `|param1=value1
|param2 = [[value2|val2]]
|param3  =  [[ value3 | val3 ]]`

var output = input.replace(/[\s\n]*/g,'').match(/\w+=(\[\[.+?\]\]|\w+)/g).map(item => {
    var pairs = item.split('=');
    pairs[1] = pairs[1].match(/\w+/g);
    return {
        key: pairs[0],
        values: pairs[1]
    }
});
/* output:

    [
      {
        "key": "param1",
        "values": [
          "value1"
        ]
      },
      {
        "key": "param2",
        "values": [
          "value2",
          "val2"
        ]
      },
      {
        "key": "param3",
        "values": [
          "value3",
          "val3"
        ]
      }
    ]
*/

Answer 3

从我的理解，解决方案就是这样。仅当参数名称或值不包含=字符时才会起作用。

      var str = "|param1=value1
                |param2 = [[value2|val2]]
                |param3  =  [[ value3 | val3 ]]";
      //Delete line break and spaces
      var splited = str.split(/\=/), len = splited.length, result = [];
      var for(var i = 0; i < len; i++){
         result.push({param:splited[1], value:splited[i+1]});
       }

       //result = [{param:param1, value:value1}, {param:param2, value:value2} ...]

正则表达式用于解析维基百科模板

3 个答案: