从维基百科文章提取第一段（Python）
我怎么用Python提取维基百科文章的第一段呢？
比如说，对于阿尔伯特·爱因斯坦，第一段内容是：
阿尔伯特·爱因斯坦（发音为/ˈælbərt ˈaɪnstaɪn/；德语：[ˈalbɐt ˈaɪnʃtaɪn]（听））；1879年3月14日 – 1955年4月18日）是一位理论物理学家、哲学家和作家，被广泛认为是历史上最具影响力和标志性的科学家之一。他是一位德瑞混血的诺贝尔奖得主，常常被视为现代物理学的奠基人。爱因斯坦于1921年获得诺贝尔物理学奖，表彰他在理论物理学方面的贡献，特别是他发现的光电效应定律。
10 个回答
维基百科使用了一种叫做MediaWiki的扩展，它提供了一个API模块，可以实现你想要的功能。这个叫做TextExtracts的扩展，能够通过action=query&prop=extracts这个请求，返回前N句话和/或仅仅是文章的介绍，格式可以是HTML或者纯文本。
action=query&prop=extracts是用来请求这些信息的。- (ex)sentences=2, (ex)intro=, (ex)plaintext这些是模块的参数（可以查看第一个链接的API文档），意思是请求从介绍中获取两句纯文本；如果想要HTML格式，可以不写后面的参数。
redirects=(true)表示如果你请求“titles=Einstein”，你会得到阿尔伯特·爱因斯坦页面的信息。formatversion=2可以让返回的数据格式更干净，使用UTF-8编码。
有很多库可以帮助你调用MediaWiki的API，比如DGund的回答中提到的那个，但其实自己调用API也并不难。
搜索结果中的页面信息讨论了如何获取这个文本提取，以及如何获取文章的描述和主图像。
我写了一个Python库，目的是让这个过程变得非常简单。你可以在Github上查看它。
要安装这个库，你只需要运行
$ pip install wikipedia
然后，如果你想获取一篇文章的第一段，只需使用 wikipedia.summary 函数。
>>> import wikipedia
>>> print wikipedia.summary("Albert Einstein", sentences=2)
这会输出
阿尔伯特·爱因斯坦（/ˈælbərt ˈaɪnstaɪn/；德语：[ˈalbɐt ˈaɪnʃtaɪn]（收听）；1879年3月14日 – 1955年4月18日）是一位出生于德国的理论物理学家，他提出了广义相对论，这是现代物理学的两个支柱之一（另一个是量子力学）。虽然他因质量与能量等价公式E=mc²而最为人知（这个公式被称为“世界上最著名的方程”），但他在1921年获得诺贝尔物理学奖“以表彰他对理论物理学的贡献，特别是他对光电效应法则的发现”。
至于它是如何工作的，wikipedia会向MediaWiki API的移动前端扩展发送请求，这样就能返回适合手机阅读的维基百科文章版本。具体来说，通过传递参数prop=extracts&exsectionformat=plain，MediaWiki的服务器会解析维基文本，并返回你请求的文章的纯文本摘要，甚至包括整篇页面的文本。它还接受exchars和exsentences这两个参数，顾名思义，这两个参数用来限制API返回的字符数和句子数。
之前我写了两个类，用来获取维基百科的文章并把它们转换成简单的文本格式。我知道这不是最好的解决方案，但你可以根据自己的需要进行调整：
你可以这样使用它：
from wikipedia import Wikipedia
from wiki2plain import Wiki2Plain
lang = 'simple'
wiki = Wikipedia(lang)
try:
raw = wiki.article('Uruguay')
except:
raw = None
if raw:
wiki2plain = Wiki2Plain(raw)
content = wiki2plain.text