有没有检查MediaWiki页面标题是否有效的正则表达式或类似简单方法？

huangapple
go评论125阅读模式
英文:

Is there a regular expession or similar simple approach for checking whether a MediaWiki PageTitle is valid?

问题

以下是您提供的内容的中文翻译：

https://www.mediawiki.org/wiki/Manual:Page_title 中列出了一些关于MediaWiki页面标题不得包含的条件。看起来使用这种方法来检查字符串是否是有效的MediaWiki页面标题并不容易。

有什么正则表达式或类似的简单方法来检查页面标题是否有效？

到目前为止，我找到的最好方法是一些Java代码（来自https://github.com/MER-C/wiki-java/blob/master/src/org/wikipedia/Wiki.java）。但是我的目标语言是Python。

  1.     /**
  2.      * 用于规范化MediaWiki标题的便捷方法。（将所有下划线转换为空格）。
  3.      * @param s 要规范化的字符串
  4.      * @return 规范化后的字符串
  5.      * @throws IllegalArgumentException 如果标题无效
  6.      * @throws IOException 如果发生网络错误（罕见）
  7.      * @since 0.27
  8.      */
  9.     public String normalize(String s) throws IOException
  10.     {
  11.         // 移除前导冒号
  12.         if (s.startsWith(":"))
  13.             s = s.substring(1);
  14.         if (s.isEmpty())
  15.             return s;
  17.         int ns = namespace(s);
  18.         // 本地化命名空间名称
  19.         if (ns != MAIN_NAMESPACE)
  20.         {
  21.             int colon = s.indexOf(":");
  22.             s = namespaceIdentifier(ns) + s.substring(colon);
  23.         }
  24.         char[] temp = s.toCharArray();
  25.         if (wgCapitalLinks)
  26.         {
  27.             // 将实际标题中的第一个字符转换为大写
  28.             if (ns == MAIN_NAMESPACE)
  29.                 temp[0] = Character.toUpperCase(temp[0]);
  30.             else
  31.             {
  32.                 int index = namespaceIdentifier(ns).length() + 1; // + 1 用于冒号
  33.                 temp[index] = Character.toUpperCase(temp[index]);
  34.             }
  35.         }
  37.         for (int i = 0; i < temp.length; i++)
  38.         {
  39.             switch (temp[i])
  40.             {
  41.                 // 非法字符
  42.                 case '{':
  43.                 case '}':
  44.                 case '<':
  45.                 case '>':
  46.                 case '[':
  47.                 case ']':
  48.                 case '|':
  49.                     throw new IllegalArgumentException(s + " 是非法标题");
  50.                 case '_':
  51.                     temp[i] = ' ';
  52.                     break;
  53.             }
  54.         }
  55.         // https://www.mediawiki.org/wiki/Unicode_normalization_considerations
  56.         String temp2 = new String(temp).trim().replaceAll("\\s+", " ");
  57.         return Normalizer.normalize(temp2, Normalizer.Form.NFC);
  58.     }
英文:

https://www.mediawiki.org/wiki/Manual:Page_title states a lot of conditions for what a MediaWiki pageTitle may not contain. It looks like checking whether a string is a valid MediaWiki PageTitle is not quite easy with this approach.

What would be a regular expression or similar simple approach to check whether a page Title is valid?

The best i could find so far is some Java Code (from https://github.com/MER-C/wiki-java/blob/master/src/org/wikipedia/Wiki.java). My target language is python, though.

  1.     /**
  2.      *  Convenience method for normalizing MediaWiki titles. (Converts all
  3.      *  underscores to spaces).
  4.      *  @param s the string to normalize
  5.      *  @return the normalized string
  6.      *  @throws IllegalArgumentException if the title is invalid
  7.      *  @throws IOException if a network error occurs (rare)
  8.      *  @since 0.27
  9.      */
  10.     public String normalize(String s) throws IOException
  11.     {
  12.         // remove leading colon
  13.         if (s.startsWith(&quot;:&quot;))
  14.             s = s.substring(1);
  15.         if (s.isEmpty())
  16.             return s;
  18.         int ns = namespace(s);
  19.         // localize namespace names
  20.         if (ns != MAIN_NAMESPACE)
  21.         {
  22.             int colon = s.indexOf(&quot;:&quot;);
  23.             s = namespaceIdentifier(ns) + s.substring(colon);
  24.         }
  25.         char[] temp = s.toCharArray();
  26.         if (wgCapitalLinks)
  27.         {
  28.             // convert first character in the actual title to upper case
  29.             if (ns == MAIN_NAMESPACE)
  30.                 temp[0] = Character.toUpperCase(temp[0]);
  31.             else
  32.             {
  33.                 int index = namespaceIdentifier(ns).length() + 1; // + 1 for colon
  34.                 temp[index] = Character.toUpperCase(temp[index]);
  35.             }
  36.         }
  38.         for (int i = 0; i &lt; temp.length; i++)
  39.         {
  40.             switch (temp[i])
  41.             {
  42.                 // illegal characters
  43.                 case &#39;{&#39;:
  44.                 case &#39;}&#39;:
  45.                 case &#39;&lt;&#39;:
  46.                 case &#39;&gt;&#39;:
  47.                 case &#39;[&#39;:
  48.                 case &#39;]&#39;:
  49.                 case &#39;|&#39;:
  50.                     throw new IllegalArgumentException(s + &quot; is an illegal title&quot;);
  51.                 case &#39;_&#39;:
  52.                     temp[i] = &#39; &#39;;
  53.                     break;
  54.             }
  55.         }
  56.         // https://www.mediawiki.org/wiki/Unicode_normalization_considerations
  57.         String temp2 = new String(temp).trim().replaceAll(&quot;\\s+&quot;, &quot; &quot;);
  58.         return Normalizer.normalize(temp2, Normalizer.Form.NFC);
  59.     }

答案1

得分: 1

以下是翻译好的部分：

如果您可以调用目标维基API进行规范化处理，那么这是一个规范化页面标题的API调用示例：

规范化后的标题将位于 /query/normalized/0/to。您可以一次发送多个要规范化的标题，用 | 分隔它们。

此示例摘自 https://www.mediawiki.org/wiki/API:Query#Example_2:_Title_normalization。

英文:

If you can call the target wiki API to do the normalisation, then this is an example of API call that normalises page titles:

The normalised title ill be in /query/normalized/0/to. You can send several titles to normalise at once separating them with |.

The example is taken from https://www.mediawiki.org/wiki/API:Query#Example_2:_Title_normalization.

huangapple
  • 本文由 发表于 2020年7月28日 01:15:56
  • 转载请务必保留本文链接：https://go.coder-hub.com/63120292.html
  • java
  • mediawiki
  • python
匿名

发表评论

匿名网友

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen:

确定