如何創建維基百科 CLI
使用Python和維基百科API建立維基百科命令列工具
創建一個維基百科命令列介面 (CLI) 工具是一個很有成就感項目,它結合了Python的簡潔性和維基百科龐大的知識庫。本教學將逐步指導您如何建立一個使用其API從維基百科獲取資訊的CLI工具。
先決條件
開始之前,請確保您擁有以下內容:
- 系統上安裝了Python 3.7或更高版本。
- Python的基礎知識和API的使用經驗。
- 用於存取維基百科API的網路連線。
第一步:了解維基百科API
維基百科在 https://www.php.cn/link/27bf6226213cf288dfbf62ffc02bad4f 提供了一個RESTful API。此API允許開發人員查詢維基百科的內容、元資料等等。我們將使用的關鍵端點包括:
-
action=query
:從維基百科取得一般內容。 -
list=search
:按關鍵字搜尋文章。 -
prop=extracts
:檢索文章摘要。
所有API請求的基本網址為:
<code>https://www.php.cn/link/27bf6226213cf288dfbf62ffc02bad4f</code>
第二步:設定Python環境
先建立一個Python虛擬環境並安裝所需的函式庫。我們將使用requests
進行HTTP請求,使用argparse
處理CLI參數。
<code># 创建虚拟环境 python -m venv wikipedia-cli-env # 激活环境 # 在Windows上: wikipedia-cli-env\Scripts\activate # 在Mac/Linux上: source wikipedia-cli-env/bin/activate # 安装依赖项 pip install requests argparse</code>
第三步:規劃CLI功能
我們的CLI工具將包括以下功能:
- 搜尋維基百科文章:允許使用者以關鍵字搜尋文章。
- 取得文章摘要:檢索特定文章的簡短摘要。
- 查看CLI幫助:顯示使用說明。
第四步:實作CLI工具
以下是CLI工具的Python程式碼:
import argparse import requests # 定义维基百科API的基本URL WIKIPEDIA_API_URL = "https://www.php.cn/link/27bf6226213cf288dfbf62ffc02bad4f" def search_articles(query): """搜索与查询匹配的维基百科文章。""" params = { 'action': 'query', 'list': 'search', 'srsearch': query, 'format': 'json', } response = requests.get(WIKIPEDIA_API_URL, params=params) response.raise_for_status() # 对错误的响应引发错误 data = response.json() if 'query' in data: return data['query']['search'] else: return [] def get_article_summary(title): """获取维基百科文章的摘要。""" params = { 'action': 'query', 'prop': 'extracts', 'exintro': True, 'titles': title, 'format': 'json', } response = requests.get(WIKIPEDIA_API_URL, params=params) response.raise_for_status() data = response.json() pages = data.get('query', {}).get('pages', {}) for page_id, page in pages.items(): if 'extract' in page: return page['extract'] return "No summary available." def main(): parser = argparse.ArgumentParser(description="一个与维基百科交互的CLI工具。") subparsers = parser.add_subparsers(dest="command") # 子命令:search search_parser = subparsers.add_parser("search", help="在维基百科上搜索文章。") search_parser.add_argument("query", help="搜索查询。") # 子命令:summary summary_parser = subparsers.add_parser("summary", help="获取特定维基百科文章的摘要。") summary_parser.add_argument("title", help="维基百科文章的标题。") args = parser.parse_args() if args.command == "search": results = search_articles(args.query) if results: print("搜索结果:") for result in results: print(f"- {result['title']}: {result['snippet']}") else: print("未找到结果。") elif args.command == "summary": summary = get_article_summary(args.title) print(summary) else: parser.print_help() if __name__ == "__main__": main()
第五步:測試CLI工具
將腳本儲存為wikipedia_cli.py
。現在您可以從終端運行該工具:
- 搜尋文章:
<code>python wikipedia_cli.py search "Python programming"</code>
- 取得文章摘要:
<code>python wikipedia_cli.py summary "Python (programming language)"</code>
第六步:增強工具
為了使工具更強大和用戶友好,請考慮添加以下內容:
- 錯誤處理:為失敗的API請求提供詳細的錯誤訊息。
-
格式化:使用諸如
rich
之類的函式庫來獲得更漂亮的輸出。 - 快取:實作快取以避免相同查詢的重複API呼叫。
- 附加功能:新增對擷取相關文章、類別或影像的支援。
結論
您已成功使用Python及其API建立了一個維基百科CLI工具!此工具可以作為更高級專案的良好起點,例如將其整合到其他應用程式或建立GUI版本。祝您編碼愉快!
以上是如何創建維基百科 CLI的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

Python适合数据科学、Web开发和自动化任务,而C 适用于系统编程、游戏开发和嵌入式系统。Python以简洁和强大的生态系统著称,C 则以高性能和底层控制能力闻名。

2小時內可以學會Python的基本編程概念和技能。 1.學習變量和數據類型,2.掌握控制流(條件語句和循環),3.理解函數的定義和使用,4.通過簡單示例和代碼片段快速上手Python編程。

Python在遊戲和GUI開發中表現出色。 1)遊戲開發使用Pygame,提供繪圖、音頻等功能,適合創建2D遊戲。 2)GUI開發可選擇Tkinter或PyQt,Tkinter簡單易用,PyQt功能豐富,適合專業開發。

兩小時內可以學到Python的基礎知識。 1.學習變量和數據類型,2.掌握控制結構如if語句和循環,3.了解函數的定義和使用。這些將幫助你開始編寫簡單的Python程序。

Python更易學且易用,C 則更強大但複雜。 1.Python語法簡潔,適合初學者,動態類型和自動內存管理使其易用,但可能導致運行時錯誤。 2.C 提供低級控制和高級特性,適合高性能應用,但學習門檻高,需手動管理內存和類型安全。

要在有限的時間內最大化學習Python的效率,可以使用Python的datetime、time和schedule模塊。 1.datetime模塊用於記錄和規劃學習時間。 2.time模塊幫助設置學習和休息時間。 3.schedule模塊自動化安排每週學習任務。

Python在web開發、數據科學、機器學習、自動化和腳本編寫等領域有廣泛應用。 1)在web開發中,Django和Flask框架簡化了開發過程。 2)數據科學和機器學習領域,NumPy、Pandas、Scikit-learn和TensorFlow庫提供了強大支持。 3)自動化和腳本編寫方面,Python適用於自動化測試和系統管理等任務。

Python在自動化、腳本編寫和任務管理中表現出色。 1)自動化:通過標準庫如os、shutil實現文件備份。 2)腳本編寫:使用psutil庫監控系統資源。 3)任務管理:利用schedule庫調度任務。 Python的易用性和豐富庫支持使其在這些領域中成為首選工具。
