如何通过MediaWiki或维基百科API提取指定页面的内容图片URL？

• 先提取页面标题
  从维基百科URL里扒出页面标题就行，比如https://zh.wikipedia.org/wiki/上海的标题是上海，英文页面https://en.wikipedia.org/wiki/Shanghai的标题是Shanghai。

• 调用API拿图片列表
  用MediaWiki的action=query接口，搭配prop=images和titles参数，就能拿到页面里所有内容关联的图片名称，完全不会包含维基Logo这类站点UI图，因为API只返回页面内容里嵌入的图片。
  举个中文维基的请求例子：
  https://zh.wikipedia.org/w/api.php?action=query&prop=images&titles=上海&format=json
  返回的结果里会有类似File:Shanghai Bund night view.jpg的图片名称。

• 获取图片的实际访问URL
  拿到图片名称后，再用prop=imageinfo和iiprop=url参数调用API，就能拿到图片的直接URL。
  示例请求：
  https://zh.wikipedia.org/w/api.php?action=query&prop=imageinfo&titles=File:Shanghai Bund night view.jpg&iiprop=url&format=json
  结果里的imageinfo[0].url就是你要的图片地址。

• 可选：过滤非内容图
  要是页面里有模板带的小图标，你可以根据图片名称（比如带icon关键词）、尺寸来过滤，不过一般API返回的列表已经都是内容图了，不用额外处理。

• Python实现代码
  直接用requests库就能搞定，代码简洁明了：

  import requests
  
  def get_wiki_content_images(page_title, lang="zh"):
      base_url = f"https://{lang}.wikipedia.org/w/api.php"
      
      # 获取页面关联的图片名称列表
      params = {
          "action": "query",
          "prop": "images",
          "titles": page_title,
          "format": "json",
          "imlimit": "max"  # 一次性获取所有图片
      }
      resp = requests.get(base_url, params=params)
      data = resp.json()
      
      image_titles = []
      for page in data["query"]["pages"].values():
          if "images" in page:
              image_titles = [img["title"] for img in page["images"]]
      
      # 只保留File开头的图片条目
      image_titles = [title for title in image_titles if title.startswith("File:")]
      
      # 批量获取图片的实际URL
      image_urls = []
      if image_titles:
          params = {
              "action": "query",
              "prop": "imageinfo",
              "titles": "|".join(image_titles),
              "iiprop": "url",
              "format": "json"
          }
          resp = requests.get(base_url, params=params)
          data = resp.json()
          
          for page in data["query"]["pages"].values():
              if "imageinfo" in page:
                  image_urls.append(page["imageinfo"][0]["url"])
      
      return image_urls
  
  # 调用示例
  if __name__ == "__main__":
      page_title = "上海"
      content_images = get_wiki_content_images(page_title)
      for url in content_images:
          print(url)
  

这个方案的核心是利用维基百科API直接获取页面内容关联的图片，完全避开了网页UI元素的干扰，比用BeautifulSoup解析HTML靠谱得多。

内容的提问来源于stack exchange，提问作者Skander Karoui