如何在python中识别维基百科类别答案

【问题标题】：How to identify wikipedia categories in python如何在python中识别维基百科类别
【发布时间】：2019-06-28 19:46:35
【问题描述】：

我目前使用pywikibot 来获取给定维基百科页面的类别（例如support-vector machine），如下所示。

import pywikibot as pw

print([i.title() for i in list(pw.Page(pw.Site('en'), 'support-vector machine').categories())])

我得到的结果是：

[
  'Category:All articles with specifically marked weasel-worded phrases',
  'Category:All articles with unsourced statements',
  'Category:Articles with specifically marked weasel-worded phrases from May 2018',
  'Category:Articles with unsourced statements from June 2013',
  'Category:Articles with unsourced statements from March 2017',
  'Category:Articles with unsourced statements from March 2018',
  'Category:CS1 maint: Uses editors parameter',
  'Category:Classification algorithms',
  'Category:Statistical classification',
  'Category:Support vector machines',
  'Category:Wikipedia articles needing clarification from November 2017',
  'Category:Wikipedia articles with BNF identifiers',
  'Category:Wikipedia articles with GND identifiers',
  'Category:Wikipedia articles with LCCN identifiers'
]

如您所见，我得到的结果包括许多维基百科的跟踪和维护类别，例如：

类别：所有带有明确标记的黄鼠狼短语的文章
分类：所有带有未来源陈述的文章
类别：CS1 维护：使用编辑器参数
等

但是，我只感兴趣的类别是；

类别：分类算法
类别：统计分类
类别：支持向量机

我想知道是否有办法获取所有 tracing or maintenance 维基百科类别，以便我可以从结果中删除它们以仅获取信息类别。

或者，如果有任何其他方法可以从结果中消除它们，请建议我。

如果需要，我很乐意提供更多详细信息。

【问题讨论】：

tracing 和 maintenance 是您正在使用的实际库还是您自己的术语？如果库不提供进一步的类别识别，您可以简单地根据列表理解中的已知关键字进行过滤。例如。 [cat for cat in categories if not any(exclude_keyword in cat for exclude_keyword in ['disputed', 'maintenance', ...])]
@jpriebe 非常感谢您的评论。实际上tracking 和maintenance 是我从维基百科中摘录的（看看维基百科的这个链接：en.wikipedia.org/wiki/…）。似乎维基百科已将它们的类别链接分类为tracking/maintenance

标签： python mediawiki pywikibot

【解决方案1】：

pywikibot 目前不提供部分API features 用于过滤隐藏类别。您可以通过在categoryinfo 中搜索hidden 键来手动执行此操作：

import pywikibot as pw

site = pw.Site('en', 'wikipedia')
print([
    cat.title()
    for cat in pw.Page(site, 'support-vector machine').categories()
    if 'hidden' not in cat.categoryinfo
])

给予：

['Category:Classification algorithms', 
 'Category:Statistical classification', 
 'Category:Support vector machines']

请参阅https://www.mediawiki.org/wiki/Help:Categories#Hidden_categories 和https://en.wikipedia.org/wiki/Wikipedia:Categorization#Hiding_categories 了解更多信息。

【讨论】：