【Python66】Wikipedia をPythonから検索・データ抽出する【Google Colab】

Wikipedia モジュール

Wikipediaからデータを取ってきたいといっていたような気がしたので。。ちょっと調べてみました。

もともと、MediaWiki.orgからAPIが提供されていて、HTML形式でデータアクセスができます。また、データのダウンロードもできます。

Python用のWikipediaモジュールもあったので、それを少し使ってみました。

Githubはこちらです。

百聞は一見にしかずなので。。　例によってGoogle Colabで

例を作っておきました(笑)

RequestsやBeautifulSoupを使ってパースするよりは、簡単ですね。

取れるデータは、こんな感じです。

wikipedia.set_lang(“jp”)
- jp を en にすると英語のWikipediaからとってきます。jpからとってくるといいでしょう。
result = wikipedia.page(‘シビックテック’)
- 実は、この関数と、wikipedia.searchが秀逸で、Wikipediaにエントリーがない項目だと、近しい言葉を引いてきてくれます。
print(“Title:”, result.title)
- タイトル
print(“Original Title:”, result.original_title)
- オリジナルタイトル。。意味わかってませんが、オリジナルなタイトルだそうです。
print(“Summary;”,result.summary)
- サマリー概要・要約が抜けます　result.contents で内容も抜けます
for link in result.links: print(link)
- リンク
for section in result.sections: print(section.title)
- 章のタイトル、section.textで内容が取れます
for category in result.categories:print(category)
- その言葉が含まれるカテゴリー
for image in result.images: print(image)
- 画像のURL
for reference in result.references: print(reference)
- リファレンス、参照のURL
print(‘Url’,result.url)
- そのWikipediaのページのURL

などです。他にも取得できるようです。

こちらから試してみてください。

日本語でシビックテックを調べてみると。。

エントリーがないので、Code for Japanが出てきました。Civicって本田の車ですね(笑)

では、CivicTechって調べたら・・・

なぜか、BTCC（イギリスのレース）のことが、出てきます(笑)　Civicはやはり車なんですね。

ちなみに、英語で調べたら

１位　Civic technology　です！

二番は、Honda Civicですけどね(笑)

まぁ、Wikipediaですから。。