如何使用SPARQL查询提取维基百科列表信息，获取正在发生的武装冲突列表

页面定位规则 #

• 目标页的所有冲突列表都存放在类名为wikitable sortable的表格中，可直接通过DOM节点的class属性定位。
• 该页面本身是专门收录进行中武装冲突的专题页，默认所有表格内条目均为正在进行状态，无需额外筛选。若你是从包含历史冲突的全量列表页提取，可定位表格中Status列，匹配包含Ongoing关键词的条目即可。

可直接运行的Python实现示例 #

import requests
from bs4 import BeautifulSoup
import pandas as pd

# 配置请求头避免反爬拦截
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36"
}
# 填入目标页面地址即可
page_url = "目标页面URL"
response = requests.get(page_url, headers=headers)
soup = BeautifulSoup(response.text, "html.parser")

# 定位所有冲突表格
conflict_tables = soup.find_all("table", class_="wikitable sortable")
all_conflicts = pd.DataFrame()

# 遍历表格合并全量数据
for table in conflict_tables:
    table_df = pd.read_html(str(table))[0]
    all_conflicts = pd.concat([all_conflicts, table_df], ignore_index=True)

# 若需额外筛选进行中条目可取消下方注释
# all_conflicts = all_conflicts[all_conflicts["Status"].str.contains("Ongoing", na=False)]

# 输出最终结果
print(all_conflicts.to_csv(sep="\t", na_rep="无"))

注意事项 #

• 若页面更新后表格结构变化，可先打印表格的th节点内容确认表头字段，调整筛选逻辑即可
• 维基百科对高频请求有访问限制，建议控制请求频率不要高于1次/秒

内容的提问来源于stack exchange，提问作者Nora