Регулярное выражение Python для поиска содержимого ссылок разметки MediaWiki

Question

Если у меня есть XML-файл, содержащий такие вещи, как следующая разметка mediawiki:

«... собрано в 12 -м веке, из которых [[Александр Великий] был героем, и в котором он был представлен, что -то вроде англичан [[король Артур | Артур]]»

какие будут подходящие аргументы для чего-то вроде:

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

Я немного спотыкаюсь о том, чтобы избежать двойных квадратных скобок и получить правильную ссылку для текста, например: [[Alexander of Paris|poet named Alexander]]

Answer 1

Вот пример

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']

Версия 2 добавляет больше в регулярное выражение, но в результате меняет вывод:

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']

Версия 3, если вам нужна только ссылка без заголовка.

pattern = re.compile(r"\[\[([\w ]+)(?:\|[\w ]+)?\]\]")
text = "[[a|b]] fdkjf [[c|d]] fjdsj [[efg]]"
results = pattern.findall(text)

# outputs ['a', 'c', 'efg']

Answer 2

Регулярное выражение: \w+( \w+)+(?=]])

вход

[[Александр Парижский|поэт по имени Александр]]

выход

поэт по имени Александр

вход

[[Александр Парижский]]

выход

Александр Парижский

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

Дал бы результат

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

Answer 4

Если вы пытаетесь получить все ссылки со страницы, конечно, гораздо проще использовать MediaWiki API, если это вообще возможно, например. http://en.wikipedia.org/w/api.php?action=query&prop=links&titles=Stack_Overflow_(веб-сайт).

Обратите внимание, что оба эти метода пропускают ссылки, встроенные в шаблоны.