如何创建Wikipedia CLI
使用Python和维基百科API构建维基百科命令行工具
创建一个维基百科命令行界面 (CLI) 工具是一个很有成就感项目,它结合了Python的简洁性和维基百科庞大的知识库。本教程将逐步指导您如何构建一个使用其API从维基百科获取信息的CLI工具。
先决条件
开始之前,请确保您拥有以下内容:
- 系统上安装了Python 3.7或更高版本。
- Python的基础知识和API的使用经验。
- 用于访问维基百科API的互联网连接。
第一步:了解维基百科API
维基百科在 https://www.php.cn/link/27bf6226213cf288dfbf62ffc02bad4f 提供了一个RESTful API。此API允许开发人员查询维基百科的内容、元数据等等。我们将使用的关键端点包括:
-
action=query
:从维基百科获取一般内容。 -
list=search
:按关键字搜索文章。 -
prop=extracts
:检索文章摘要。
所有API请求的基本URL为:
<code>https://www.php.cn/link/27bf6226213cf288dfbf62ffc02bad4f</code>
第二步:设置Python环境
首先创建一个Python虚拟环境并安装所需的库。我们将使用requests
进行HTTP请求,使用argparse
处理CLI参数。
<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:规划CLI功能
我们的CLI工具将包括以下功能:
- 搜索维基百科文章:允许用户按关键字搜索文章。
- 获取文章摘要:检索特定文章的简短摘要。
- 查看CLI帮助:显示使用说明。
第四步:实现CLI工具
以下是CLI工具的Python代码:
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:测试CLI工具
将脚本保存为wikipedia_cli.py
。您现在可以从终端运行该工具:
- 搜索文章:
<code>python wikipedia_cli.py search "Python programming"</code>
- 获取文章摘要:
<code>python wikipedia_cli.py summary "Python (programming language)"</code>
第六步:增强工具
为了使工具更强大和用户友好,请考虑添加以下内容:
- 错误处理:为失败的API请求提供详细的错误消息。
-
格式化:使用诸如
rich
之类的库来获得更漂亮的输出。 - 缓存:实现缓存以避免对相同查询的重复API调用。
- 附加功能:添加对获取相关文章、类别或图像的支持。
结论
您已成功使用Python及其API构建了一个维基百科CLI工具!此工具可以作为更高级项目的良好起点,例如将其集成到其他应用程序中或创建GUI版本。祝您编码愉快!
以上是如何创建Wikipedia CLI的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(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着称,C 则以高性能和底层控制能力闻名。

Python在游戏和GUI开发中表现出色。1)游戏开发使用Pygame,提供绘图、音频等功能,适合创建2D游戏。2)GUI开发可选择Tkinter或PyQt,Tkinter简单易用,PyQt功能丰富,适合专业开发。

两小时内可以学到Python的基础知识。1.学习变量和数据类型,2.掌握控制结构如if语句和循环,3.了解函数的定义和使用。这些将帮助你开始编写简单的Python程序。

2小时内可以学会Python的基本编程概念和技能。1.学习变量和数据类型,2.掌握控制流(条件语句和循环),3.理解函数的定义和使用,4.通过简单示例和代码片段快速上手Python编程。

Python更易学且易用,C 则更强大但复杂。1.Python语法简洁,适合初学者,动态类型和自动内存管理使其易用,但可能导致运行时错误。2.C 提供低级控制和高级特性,适合高性能应用,但学习门槛高,需手动管理内存和类型安全。

要在有限的时间内最大化学习Python的效率,可以使用Python的datetime、time和schedule模块。1.datetime模块用于记录和规划学习时间。2.time模块帮助设置学习和休息时间。3.schedule模块自动化安排每周学习任务。

Python在web开发、数据科学、机器学习、自动化和脚本编写等领域有广泛应用。1)在web开发中,Django和Flask框架简化了开发过程。2)数据科学和机器学习领域,NumPy、Pandas、Scikit-learn和TensorFlow库提供了强大支持。3)自动化和脚本编写方面,Python适用于自动化测试和系统管理等任务。

Python在自动化、脚本编写和任务管理中表现出色。1)自动化:通过标准库如os、shutil实现文件备份。2)脚本编写:使用psutil库监控系统资源。3)任务管理:利用schedule库调度任务。Python的易用性和丰富库支持使其在这些领域中成为首选工具。
