带有wiki文本的Python正则表达式

我正在尝试使用Python正则表达式替换将wikitext更改为普通文本。关于wiki链接，有两种格式规则

• [[页面名称]]
• [[页面名称|要显示的文本]]
  (http://en.wikipedia.org/wiki/Wikipedia:Cheatsheet)

这里有一些让我头疼的文字

这张CD几乎全部由乔治·马丁（George Martin）[唱片制作人|制作的]]最初创作的[[披头士]]歌曲的[[封面版本]]组成

上述案文应改为：

这张CD几乎全部由乔治·马丁最初制作的披头士歌曲的封面版本组成

[[]]和[[|]]语法之间的冲突是我的主要问题。我不需要一个复杂的正则表达式。按顺序应用多个（可能两个）正则表达式替换是可以的

---

请告诉我这个问题。

我想出了一个正则表达式，可以解决这个问题。如果有什么问题，请告诉我：

r"\[\[(([^\]|]|\](?=[^\]]))*)(\|(([^\]]|\](?=[^\]]))*))?\]\]"

（哎呀，我永远也忘不了这些东西有多难看！）

第1组应该为您提供wiki链接。第4组应提供链接文本，如果没有管道，则无链接文本

解释：

• （（[^\].].\]（？=[^\]]）*）

  查找所有非“|”或“]]”字符序列。它通过查找所有不是“|”或“]”或“的字符序列来实现这一点，这些字符序列后面是一个不是“]”的字符

• （\\；（[^\]\\]（？=[^\]]））*）？

  可以选择匹配一个“|”后跟与上面相同的正则表达式，以获取链接文本部分。正则表达式稍有改动，因为它允许使用“|”字符
• 很明显，整个过程都被

  \[\[

  …

  \]\]

  包围着

• （？=…）

  表示法与正则表达式匹配，但不使用其字符，因此可以随后进行匹配。我使用它是为了不使用可能在“]”之后立即出现的“|”字符

编辑：我修复了正则表达式，允许在“|”前面加一个“]”，如

[[abcd]| efgh]

中所述

wikilink_rx = re.compile(r'\[\[(?:[^|\]]*\|)?([^\]]+)\]\]')
return wikilink_rx.sub(r'\1', the_string)

例如：

注意：您还可以在中找到一些MediaWiki解析器。

这应该可以工作：

text = "The CD is composed almost entirely of [[cover version]]s of [[The Beatles]] songs which George Martin [[record producer|produced]] originally."
newText = re.sub(r'\[\[([^\|\]]+\|)?([^\]]+)\]\]',r'\2',text)

---

你走错了路。众所周知，Wiki标记很难解析，并且存在太多异常、边缘情况和简单的标记，因此构建自己的正则表达式来解析几乎是不可能的。由于您使用的是Python，我建议您使用mwlib，它将为您完成艰巨的工作：

---

不支持包含“]”字符的链接。我不知道这是否是MediaWiki语法的一部分，但我的回答确实允许这样做（代价是读起来有点难！）我的和@KennyTM之间的一个区别是，虽然我的同时提供页面名称和链接文本，但Kenny的只提供链接文本——但是，如果没有“|”，Kenny's会将页面名称作为链接文本提供给您，这可能是您想要的。请注意我对他的评论。谢谢你的回答。你善意的解释真的帮了我的忙。有一个语法分析器：有一个正则表达式可以同时解析[[]]和[[|]]语法，其实并不比只解析[[|]]语法更复杂，所以你最好就有一个。