使用Wikipedia API抓取公司维基页面首图时偶发失效问题排查

为什么部分页面无法获取图片？ #

你的代码依赖维基百科API的pageimages属性，但这个属性仅返回被**标记为页面首图（pageimage）**的图片。像Binance、Coinbase这类页面，编辑者可能未将logo设置为pageimage属性，或是logo仅存在于信息框（Infobox）中但未关联到pageimage，导致API返回空结果。

解决方法：获取所有图片并筛选logo #

改用prop=images获取页面所有图片，再通过文件名关键词筛选logo，或取页面首张图片作为备选。以下是修改后的代码：

import requests

API_ENDPOINT = "https://en.wikipedia.org/w/api.php"
title = "Binance"

# 第一步：获取页面所有图片列表
params = {
    "action": "query",
    "format": "json",
    "formatversion": 2,
    "prop": "images",
    "titles": title,
    "imlimit": 50  # 限制获取前50张图，足够筛选
}

response = requests.get(API_ENDPOINT, params=params)
data = response.json()

pages = data.get('query', {}).get('pages', [])
if not pages:
    print("页面不存在")
else:
    page = pages[0]
    images = page.get('images', [])
    if not images:
        print("页面无图片")
    else:
        # 筛选文件名含logo/Logo的图片
        logo_candidates = [img for img in images if 'logo' in img['title'].lower()]
        target_img_title = logo_candidates[0]['title'] if logo_candidates else images[0]['title']
        
        # 第二步：获取目标图片的原图链接
        img_params = {
            "action": "query",
            "format": "json",
            "formatversion": 2,
            "prop": "imageinfo",
            "iiprop": "url",
            "titles": target_img_title
        }
        img_response = requests.get(API_ENDPOINT, params=img_params)
        img_data = img_response.json()
        
        img_pages = img_data.get('query', {}).get('pages', [])
        if img_pages:
            img_info = img_pages[0].get('imageinfo', [])[0]
            print("图片URL:", img_info['url'])

代码说明 #

1. 先调用API获取页面所有图片的标题列表，通过imlimit控制返回数量
2. 优先筛选文件名包含logo的图片（大部分企业logo会用这个关键词命名）
3. 若没有logo候选，直接取页面第一张图片
4. 二次调用API获取图片的原图URL，因为images属性仅返回图片标题，不包含直接访问链接

内容的提问来源于stack exchange，提问作者Zumplo