You need to enable JavaScript to run this app. Python爬取维基百科提取摘要出现PageError的解决方法咨询
优惠活动
大模型
产品
解决方案
定价
更多

Python爬取维基百科提取摘要出现PageError的解决方法咨询

报错原因
  • 核心问题是调用wikipedia.summary()时传入的参数格式错误:你从文件读取的是/wiki/页面标题格式的完整路径,但wikipedia库的summary接口仅接收纯页面标题作为参数,传入带/wiki/前缀的字符串会被库识别为不存在的页面id,触发报错。
  • 即使修正参数格式,也可能遇到页面实际不存在、页面是消歧义页的情况,同样会触发异常中断程序。
修复后的脚本2代码
import wikipedia
import re 

wikipedia.set_lang("en")  

# 读取链接列表
with open("linkedwords.txt") as f:
    word_list = f.read().splitlines()

# 统一打开输出文件,避免循环内反复IO
with open("theme.txt","a", encoding="utf-8") as file1:
    for link in word_list:
        # 提取纯页面标题,去掉/wiki/前缀
        page_title = link[len("/wiki/"):]
        try:
            # 尝试提取摘要
            wiki_summary = wikipedia.summary(page_title, sentences=2)
            # 文本处理
            clean_text = re.sub(r'==.*?==+', '', wiki_summary)
            clean_text = clean_text.replace('\n', ' ')
            # 写入文件
            file1.write(f"\n{link}\n{clean_text}")
        # 捕获页面不存在的错误
        except wikipedia.exceptions.PageError:
            continue
        # 捕获消歧义页错误
        except wikipedia.exceptions.DisambiguationError:
            continue
关键修改说明
  • 参数格式修正:截取链接的/wiki/之后的部分作为页面标题传入接口,符合库的参数要求。
  • 异常捕获:用try-except块捕获两类常见报错,触发时直接跳过当前链接,继续处理下一个,不会中断整个批量任务。
  • 效率优化:将输出文件的打开操作放在循环外,避免循环内反复开闭文件带来的性能损耗,新增utf-8编码声明避免特殊字符写入报错。

内容的提问来源于stack exchange,提问作者Rishu Mcr

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.18 21:36:07