查找MediaWiki标记链接内容的Python

Question

如果我有一些xml，其中包含了如下的mediawiki标记：

“...collected在12世纪，其中[亚历山大大帝]是英雄，他在其中被代表，有点像英国人[亚瑟王亚瑟]

什么才是合适的论据，比如：

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

在转义双方括号并获得文本的适当链接(如：[[Alexander of Paris|poet named Alexander]] )时，我遇到了一点挫折。

Answer 1

下面是一个例子

import re

pattern = re.compile(r"\[\[([\w \|]+)\]\]")
text = "blah blah [[Alexander of Paris|poet named Alexander]] bldfkas"
results = pattern.findall(text)

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

# outputs ['Alexander of Paris']

版本2将更多的内容放入regex中，但结果是更改了输出：

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']

第3版，如果您只希望链接没有标题。

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+)+(？=)])

输入

[巴黎亚历山大诗人亚历山大]

输出

亚历山大诗人

输入

[巴黎亚历山大]

输出

巴黎的亚历山大

Answer 3

import re
pattern = re.compile(r"\[\[([\w ]+)(?:\||\]\])")
text = "of which [[Alexander the Great]] was somewhat like [[King Arthur|Arthur]]"
results = pattern.findall(text)
print results

会给出输出

["Alexander the Great", "King Arthur"]