如何优雅提取mwparserfromhell返回的嵌套维基链接数据？

我想从mwparserfromhell库返回的维基链接中提取数据，例如解析如下字符串：

[[File:Warszawa, ul. Freta 16 20170516 002.jpg|thumb|upright=1.18|[[Maria Skłodowska-Curie Museum|Birthplace]] of Marie Curie, at 16 Freta Street, in [[Warsaw]], [[Poland]].]]

直接用|分割字符串会失效，因为图片描述中包含使用|的内部链接[[Maria Skłodowska-Curie Museum|Birthplace]]。我目前使用正则先替换所有链接再分割，虽能运行但不够简洁（代码如下），请问是否有更好的提取方法？

import re

wiki_code = "[[File:Warszawa, ul. Freta 16 20170516 002.jpg|thumb|upright=1.18|[[Maria Skłodowska-Curie Museum|Birthplace]] of Marie Curie, at 16 Freta Street, in [[Warsaw]], [[Poland]].]]"

# Remove [[File: at the begining of the string
prefix = "[[File:"
if (wiki_code.startswith(prefix)):
    wiki_code = wiki_code[len(prefix):]

# Remove ]] at the end of the string
suffix = "]]"
if (wiki_code.endswith(suffix)):
    wiki_code = wiki_code[:-len(suffix)]

# Replace links with their
link_pattern = re.compile(r'\[\[.*?\]\]')
matches = link_pattern.findall(wiki_code)
for match in matches:
    content = match[2:-2]
    arr = content.split("|")
    label = arr[-1]
    wiki_code = wiki_code.replace(match, label)

print(wiki_code.split("|"))

既然你已经在使用mwparserfromhell，完全可以利用它原生的维基语法解析能力来处理，无需手动写正则和字符串分割，代码更简洁且能正确处理嵌套链接的情况。

示例代码如下：

import mwparserfromhell

wiki_code = "[[File:Warszawa, ul. Freta 16 20170516 002.jpg|thumb|upright=1.18|[[Maria Skłodowska-Curie Museum|Birthplace]] of Marie Curie, at 16 Freta Street, in [[Warsaw]], [[Poland]].]]"

# 解析维基语法字符串
parsed = mwparserfromhell.parse(wiki_code)
# 筛选出所有File类型的维基链接
file_links = parsed.filter_wikilinks(lambda link: link.title.startswith("File:"))

for link in file_links:
    # 拆分File链接的标题部分（文件名+选项）
    title_parts = link.title.split("|")
    filename = title_parts[0].replace("File:", "")
    display_options = title_parts[1:]
    
    # 获取并处理描述文本：自动移除维基语法，保留显示内容
    caption = link.text or ""
    cleaned_caption = mwparserfromhell.parse(caption).strip_code()
    
    # 输出结果
    print("文件名:", filename)
    print("显示选项:", display_options)
    print("处理后描述:", cleaned_caption)

关键说明： #

• mwparserfromhell.parse()：将原始维基字符串转换成结构化的语法树，自动处理嵌套的链接、模板等语法
• filter_wikilinks()：精准筛选出File类型的链接，避免处理其他普通内部链接
• strip_code()：一键移除描述文本中的所有维基语法标记（比如把[[X|Y]]转为Y），无需手动替换

这种方法完全依赖库的成熟解析逻辑，避免了正则表达式可能出现的边界错误，代码逻辑更清晰，维护成本更低。

内容的提问来源于stack exchange，提问作者Vincent Garcia