使用Pywikibot获取维基百科Infobox属性遇"auto"值问题求助

我正在使用Pywikibot API获取维基百科Infobox中的人口密度、人口数量、海拔等信息，但部分城市（如北京）的population_density_km2属性，API返回值为"auto"，其他城市则可获取实际数值。

原因分析 #

维基百科的Infobox模板中，部分条目会使用auto作为人口密度参数的占位符——系统会自动通过**总人口（population_total）除以总面积（area_km2）**计算出人口密度，而非编辑者手动填写固定数值。Pywikibot的raw_extracted_templates方法提取的是模板的原始参数值，因此会直接拿到这个占位符，而非计算后的实际密度值。

解决方法 #

方法1：手动计算最直接 #

既然auto代表自动计算，我们可以直接提取总人口和对应面积的数值，自行计算人口密度：

• 从Infobox中提取population_total（总人口）和area_km2（平方公里面积）的数值
• 对数值做清洗（去除非数字字符，比如逗号、单位）
• 用总人口除以面积得到人口密度

方法2：获取渲染后的页面内容 #

如果不想自行计算，可以获取维基百科渲染后的页面内容（比如HTML），从中提取已经计算好的密度数值。但这种方法需要处理HTML解析，复杂度更高。

方法3：调用MediaWiki API获取解析后数据 #

通过MediaWiki的parse API接口，请求页面的解析结果，直接提取渲染后的Infobox数据，这种方法能拿到系统计算后的实际值，但需要额外的API调用。

修改后的示例代码 #

以下是实现方法1的代码，自动处理auto情况并计算人口密度：

import pywikibot
import re

def get_page(city: dict): 
    """返回解析后的维基百科页面"""
    page_title = re.search(r'wiki/(.*)', city['article']['value']).group(1)
    page = pywikibot.Page(pywikibot.Site('en', 'wikipedia'), page_title)
    if page.pageid == 0:
        raise Exception('页面不存在')
    return page

def extract_numeric_value(value_str):
    """从字符串中提取纯数字数值（处理带逗号、单位的情况）"""
    if not value_str:
        return None
    # 提取数字部分（包括小数）
    num_match = re.search(r'[\d,.]+', str(value_str))
    if not num_match:
        return None
    num_str = num_match.group().replace(',', '')
    try:
        return float(num_str)
    except ValueError:
        return None

def get_info_box_details(templates):
    """获取Infobox详情，处理population_density_km2为auto的情况"""
    infobox_params = {}
    for tmpl, params in templates:
        if 'Infobox' in tmpl:
            infobox_params.update(params)
            break  # 只取第一个Infobox
    
    # 提取人口相关数据
    population_data = {}
    for key, value in infobox_params.items():
        if 'population' in key:
            population_data[key] = value
    
    # 处理population_density_km2为auto的情况
    if population_data.get('population_density_km2') == 'auto':
        total_pop = extract_numeric_value(infobox_params.get('population_total'))
        area_km2 = extract_numeric_value(infobox_params.get('area_km2'))
        if total_pop and area_km2:
            calculated_density = round(total_pop / area_km2, 2)
            population_data['population_density_km2'] = calculated_density
        else:
            population_data['population_density_km2'] = None  # 无法计算时设为None
    
    print(population_data)
    return population_data

# 示例调用（假设city字典包含article.value字段）
city = {"article": {"value": "https://en.wikipedia.org/wiki/Beijing"}}
wiki_page = get_page(city)
templates = wiki_page.raw_extracted_templates
info_box = get_info_box_details(templates)

内容的提问来源于stack exchange，提问作者Ankit Agarwal