from knock20 import open_england
import re
# 説明文込み
# ptn = re.compile(r'\[\[(ファイル|File):(.*)\]\]')
# リンクのみ
ptn = re.compile(r'\[\[(ファイル|File):(.*)\|thumb.*\]\]')
print('\n'.join(
ptn.search(l).group(2) for l in open_england() if ptn.search(l)))
# 24. ファイル参照の抽出
# 記事から参照されているメディアファイルをすべて抜き出せ．
from knock20 import open_england
import re
ptn = re.compile(r'\[\[Category:.*?\]\]')
print(''.join(l for l in open_england() if ptn.search(l)))
# 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．
# [[Category:イギリス|*]]
# [[Category:英連邦王国|*]]
# [[Category:G8加盟国]]
# [[Category:欧州連合加盟国]]
# [[Category:海洋国家]]
# [[Category:君主国]]
# [[Category:島国|くれいとふりてん]]
# [[Category:1801年に設立された州・地域]]
from knock20 import open_england
import re
ptn = re.compile(r'\[\[Category:(.*)\]\]')
print('\n'.join(ptn.search(l).group(1) for l in open_england() if ptn.search(l)))
# 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．
# イギリス|*
# 英連邦王国|*
# G8加盟国
# 欧州連合加盟国
# 海洋国家
# 君主国
# 島国|くれいとふりてん
# 1801年に設立された州・地域
from knock20 import open_england
from pprint import pprint
import regex
import urllib.parse
import urllib.request
import json
# 再帰的な{}の正規表現パターン
ptn1 = regex.compile(r'(?<rec>\{(?:[^{}]+|(?&rec))*\})')
# 基礎情報のフィールド名と値にマッチする正規表現パターン
ptn2 = regex.compile(r'\|(.*?) = (.*?)(?=\n(\||\}))',
flags=(regex.M | regex.S))
data = open_england().read()
for m in ptn1.finditer(data):
if m.group('rec').startswith('{{基礎情報'):
basic_info = m.group('rec')
break
category_dic = {}
for m in ptn2.finditer(basic_info):
value = m.group(2).replace("'''", '').replace("''", '')
value = regex.sub(r'(\[\[(.*\|)*?(?P<d>[^|]*?)\]\])', r'\g<d>', value)
value = regex.sub(r'(\{\{(.*\|)*?(?P<d>[^|]*?)\}\})', r'\g<d>', value)
value = regex.sub(r'<br( *?/>|>)', '', value)
value = regex.sub(r'<ref(.*?)(</ref>|/>)', '', value, flags=(regex.M | regex.S))
category_dic[m.group(1)] = value
from knock20 import open_england
import re
ptn = re.compile(r'(=(=+)(.*?)=\2)')
print('\n'.join(f'{len(ptn.search(l).group(2))}\t{ptn.search(l).group(3)}'
for l in open_england() if ptn.search(l)))
# 23. セクション構造
# 記事中に含まれるセクション名とそのレベル（例えば"== セクション名 =="なら1）を表示せよ．
# 1 国名
# 1 歴史
# 1 地理
# 2 気候
# 1 政治
# 1 外交と軍事
# 1 地方行政区分
# 2 主要都市
# 1 科学技術
# 1 経済
# 2 鉱業
# 2 農業
# 2 貿易
# 2 通貨
# 2 企業
# 1 交通
# 2 道路
# 2 鉄道
# 2 海運
# 2 航空