'''
27. 内部リンクの除去
26の処理に加えて，テンプレートの値からMediaWikiの内部リンクマークアップを除去し，テキストに変換せよ（参考: マークアップ早見表）．
'''
from chr3 import ARTICLE_UK, re
regex1 = re.compile(r'^\|(.+?)\s=\s(.+?)$', re.MULTILINE)
regex2 = re.compile(r'\'{3}')
regex3 = re.compile(r'\[\[(.*?)\]\]')
uk_dict = {}
for i in regex1.findall(ARTICLE_UK()):
prepare = regex2.sub("", i[1])
prepare = regex3.sub(r'\1', prepare)
uk_dict[i[0]] = prepare
print(uk_dict)
'''
22. カテゴリ名の抽出
記事のカテゴリ名を（行単位ではなく名前で）抽出せよ．
'''
from chr3 import ARTICLE_UK, re
article_UK = ARTICLE_UK().split('\n')
regex = re.compile(r'\[\[Category:(.+?)(\]\]|\|\*\]\])')
for lines in article_UK:
result = regex.search(lines)
if result:
print(result.group(1))
#どっちでもできる
regex = re.compile(r'^\[\[Category:(.+?)(\]\]|\|\*\]\])$', re.MULTILINE)
for lines in regex.findall(ARTICLE_UK()):
print(lines[0])
'''
21. カテゴリ名を含む行を抽出
記事中でカテゴリ名を宣言している行を抽出せよ．
'''
from chr3 import ARTICLE_UK, re
article_UK = ARTICLE_UK().split('\n')
for lines in article_UK:
if 'Category' in lines:
print(lines)
#行だから上で良さそうだけど[]無しも一応。
regex = re.compile(r'\[\[(Category.*?)(\||])')
for lines in article_UK:
result = regex.search(lines)
if result:
print(result.group(1))
'''
25. テンプレートの抽出
記事中に含まれる「基礎情報」テンプレートのフィールド名と値を抽出し，辞書オブジェクトとして格納せよ．
'''
from chr3 import ARTICLE_UK, re
regex = re.compile(r'^\|(.+?)\s=\s(.+?)$', re.MULTILINE)
print({i[0]: i[1] for i in regex.findall(ARTICLE_UK())})
'''
29. 国旗画像のURLを取得する
テンプレートの内容を利用し，国旗画像のURLを取得せよ．（ヒント: MediaWiki APIのimageinfoを呼び出して，ファイル参照をURLに変換すればよい）
'''
from chr3 import ARTICLE_UK, re, json
import requests
regex = re.compile(r'^\|(.+?)\s=\s(.+?)$', re.MULTILINE)
uk_dict = {i[0]: i[1] for i in regex.findall(ARTICLE_UK())}
flag = uk_dict['国旗画像']
print(flag)
URL = "https://en.wikipedia.org/w/api.php"
S = requests.Session()
PARAMS = {
"action": "query",
"format": "json",
"prop": "imageinfo",
"titles": "File:" + flag,
"iiprop": "url"
}
R = S.get(url=URL, params=PARAMS)
DATA = R.json()
print(DATA['query']['pages']['23473560']['imageinfo'][0]['url'])