使用pymediawiki获取搜索结果页面时如何规避DisambiguationError

问题背景 #

使用pymediawiki库搜索"washington"这类存在歧义的词条时，调用wiki.page()会触发DisambiguationError，因为返回的搜索结果是歧义页，无法直接解析为单一页面。

解决方案 #

方法1：捕获歧义错误并处理 #

在循环获取页面时，捕获DisambiguationError，可选择跳过歧义页，或提取歧义页中的子条目（比如取第一个有效条目）。

from mediawiki import MediaWiki, DisambiguationError

wiki = MediaWiki()

# 执行搜索
search_results = wiki.search('washington', results=10)

pages = []
for result in search_results:
    try:
        page = wiki.page(result)
        pages.append(page)
    except DisambiguationError as e:
        # 方案1：跳过歧义页
        print(f"跳过歧义页: {result}")
        # 方案2：取歧义页的第一个有效子条目（可选）
        # if e.options:
        #     page = wiki.page(e.options[0])
        #     pages.append(page)

# 打印页面标题
for page in pages:
    print(page.title)

方法2：优化搜索参数，优先获取非歧义页 #

调用wiki.search()时，添加redirects=True参数让API自动解析重定向，同时通过namespace参数限定搜索主命名空间（排除歧义页常见的分类/讨论空间）：

from mediawiki import MediaWiki

wiki = MediaWiki()

# 优化搜索参数：启用重定向，限定主命名空间（namespace=0）
search_results = wiki.search('washington', results=10, redirects=True, namespace=0)

pages = []
for result in search_results:
    try:
        page = wiki.page(result)
        pages.append(page)
    except DisambiguationError:
        print(f"跳过歧义页: {result}")

for page in pages:
    print(page.title)

方法3：直接调用MediaWiki API（替代方案） #

如果pymediawiki的封装不够灵活，可直接用requests调用MediaWiki API，精准控制搜索结果：

import requests

API_URL = "https://en.wikipedia.org/w/api.php"

# 获取搜索结果的页面ID
params = {
    "action": "query",
    "list": "search",
    "srsearch": "washington",
    "srlimit": 10,
    "srnamespace": 0,  # 主命名空间
    "srredirects": "true",  # 解析重定向
    "format": "json"
}

response = requests.get(API_URL, params=params)
data = response.json()
page_ids = [item["pageid"] for item in data["query"]["search"]]

# 根据页面ID获取页面详情
params = {
    "action": "query",
    "pageids": "|".join(map(str, page_ids)),
    "prop": "info",
    "inprop": "url",
    "format": "json"
}

response = requests.get(API_URL, params=params)
page_data = response.json()

for page in page_data["query"]["pages"].values():
    print(f"标题: {page['title']}, URL: {page['fullurl']}")

说明 #

• 捕获错误的方法最直接，适合快速兼容现有代码；
• 优化搜索参数能从源头减少歧义结果的出现；
• 直接调用API的方式灵活性最高，可根据需求定制返回字段。

内容的提问来源于stack exchange，提问作者Minura Punchihewa