如何提取维基百科术语表所有子页面的累计或年度页面浏览量

完全可以通过Python实现，核心逻辑分为两步：提取目标页面的有效内链、调用官方API获取浏览量统计数据，全程不需要依赖第三方付费工具，也不用复杂的权限申请。

• 提取目标页内有效维基链接
  用requests库请求目标术语表页面的HTML内容，再用BeautifulSoup解析DOM结构，筛选出指向维基百科正文页面的链接，过滤掉锚点链接、外部链接、特殊功能页（如帮助页、讨论页、分类页）等无关内容，整理得到需要统计的所有页面标题列表。
• 调用官方API获取浏览量数据
  直接调用维基媒体公开的Pageviews API即可获取对应页面的浏览量数据，接口无请求密钥要求，普通匿名访问就能正常调用。你可以根据需要指定统计的时间范围：要累计总浏览量就拉取对应页面从上线到当前的全量数据求和，要年度最高值就按自然年分组统计后取最大值即可，接口支持直接按聚合粒度返回结果，不需要你自己处理日度、月度的细粒度数据。

示例极简代码参考：

import requests
from bs4 import BeautifulSoup
from collections import defaultdict
import time

# 1. 提取目标页内的有效页面链接
target_url = "你要爬取的术语表页面地址"
resp = requests.get(target_url)
soup = BeautifulSoup(resp.text, "html.parser")
page_titles = []
for a_tag in soup.select("div.mw-parser-output a[href^='/wiki/']"):
    href = a_tag["href"]
    # 过滤非正文页面，可根据需求调整规则
    if any(x in href for x in [":", "#", "Help:", "Category:", "Template:", "Talk:"]):
        continue
    page_title = href.split("/wiki/")[-1]
    if page_title not in page_titles:
        page_titles.append(page_title)

# 2. 批量获取浏览量统计数据
api_base = "wikimedia API请求前缀按官方规则拼接即可"
total_views = {}
year_max_views = {}
for title in page_titles:
    # 加延时避免触发接口频率限制
    time.sleep(0.3)
    resp = requests.get(api_base.format(title))
    if resp.status_code != 200:
        continue
    data = resp.json()["items"]
    # 统计累计总浏览量
    total = sum(item["views"] for item in data)
    total_views[title] = total
    # 统计年度最高浏览量
    year_count = defaultdict(int)
    for item in data:
        year = item["timestamp"][:4]
        year_count[year] += item["views"]
    year_max_views[title] = max(year_count.values()) if year_count else 0

注：上述代码的过滤规则、统计时间范围都可以根据你的实际需求自行调整。

内容的提问来源于stack exchange，提问作者Akash