如何用Python批量将维基百科全量图片插入docx文档

单图插入能力缺失的修复 #

• 已定位的问题根源：现有代码硬编码选取wiki.images列表中索引为1的单条资源发起请求，未对全量图片列表做遍历，这是仅能插入单张图片的核心诱因。
• 具体修复动作：
  • 移除硬取固定索引的代码分支，遍历wiki.images返回的全量图片地址列表
  • 对遍历到的每条地址做前置有效性校验，过滤掉以.svg结尾的站点装饰图、导航占位图、非图片类资源链接
  • 逐一对校验通过的地址发起requests请求，验证返回状态码为200、响应头Content-Type为图片格式后，再调用python-docx的图片插入方法逐张写入文档，实现全量配图的批量插入。

接口无图片返回但网页端存在公开配图的问题修复 #

• 问题成因：wikipedia库默认暴露的images字段仅拉取条目元数据关联的图片资源，会漏抓嵌在正文内容流中、通过接口动态加载的公开配图；同时部分返回的无效占位资源会被原有逻辑误判，最终表现为接口未返回任何可用图片。
• 具体修复动作：
  • 对wiki.images返回的候选资源做类型筛查，去重后形成初步图片候选池
  • 补充条目正文结构化接口的解析逻辑，提取正文段落中嵌入的所有公开配图地址，补充到候选池中
  • 为所有图片请求补充合规的请求头标识，避免被维基服务器拦截导致返回空资源。

旧逻辑错误示例：

# 硬取单图的旧实现
img_url = wiki.images[1]
resp = requests.get(img_url)
doc.add_picture(BytesIO(resp.content), width=Inches(5))

修复后的批量插入核心代码：

# 定义可兼容的图片格式后缀
allowed_img_suffix = ('.jpg', '.jpeg', '.png', '.webp')
req_headers = {"User-Agent": "CourseAutoDoc/1.0 (contact@test.com)"}
# 全量遍历候选图片资源
for img_url in wiki.images:
    # 过滤非合规资源
    if not img_url.lower().endswith(allowed_img_suffix):
        continue
    try:
        resp = requests.get(img_url, headers=req_headers, timeout=10)
        # 校验资源有效性
        if resp.status_code == 200 and "image" in resp.headers.get("Content-Type", ""):
            doc.add_picture(BytesIO(resp.content), width=Inches(5))
            doc.add_paragraph(f"配图来源记录：{img_url}")
    except requests.RequestException:
        # 跳过请求失败的无效资源
        continue

内容的提问来源于stack exchange，提问作者Genan Omer