用Python在英文维基百科中查找两篇文章之间的最短路径

问题是：

在英文维基百科中查找两篇文章之间的最短路径。如果存在第C（i）条，并且第A条中存在指向第C（1）条的链接，第C（1）条中存在指向第C（2）条的链接，则第A条和第B条之间存在路径，…，第C（n）条中存在指向第B条的链接

我正在使用Python。下载维基百科文章的URL:

维基百科API

我已经编辑了我的源代码，但当我在代码中包含这些文章时，它仍然不起作用。有人能告诉我我在搞什么吗

这是我的代码：

import urllib2
import re
import xml.etree.ElementTree as ET

text = ET.fromstring(F_D.text.encode('UTF-8'))
text = ET.fromstring(P.text.encode('UTF-8'))
F_D=requests.get('http://en.wikipedia.org/wiki/Ant_colony_optimization_algorithms')
P=requests.get('http://en.wikipedia.org/wiki/Wikipedia:Unusual_articles')  
links = text.findall('.//*[@id=”mw-content-text”]/p/a')

links=E_D

E_D = graph_dict
E_D[start] = 0

for vertex in E_D:
    F_D[vertex] = E_D[vertex]
    if vertex == end: break

    for edge in graph[vertex]:
        path_distance = F_D[vertex] + graph[vertex][edge]
        if edge in F_D:
            if path_distance < F_D[edge]:
                #raise ValueError,
            elif edge not in E_D or path_distance < E_D[edge]:
                E_D[edge] = path_distance
                [edge] = vertex
return (F_D,P)

def Shortest_Path(graph,start,end):
  F_D,P = D_Algorithm(graph,start,end)
  path = []
  while 1:
    path.append(end)
    if end == start: break
    end = P[end]
  path.reverse()
  return path

导入urllib2
进口稀土
将xml.etree.ElementTree作为ET导入
text=ET.fromstring（F_D.text.encode（'UTF-8'））
text=ET.fromstring（P.text.encode（'UTF-8'））
F_D=请求。获取（'http://en.wikipedia.org/wiki/Ant_colony_optimization_algorithms')
P=请求。获取（'http://en.wikipedia.org/wiki/Wikipedia:Unusual_articles')  
links=text.findall（'.//*[@id=“mw content text”]/p/a'）
links=E\u D
E_D=图
E_D[开始]=0
对于E_D中的顶点：
F_D[顶点]=E_D[顶点]
如果顶点==结束：中断
对于图中的边[顶点]：
路径距离=F_D[顶点]+图[顶点][边]
如果F_D中的边：
如果路径距离

考虑到维基百科上的文章数量，计算最短文章需要花费大量的时间（我的假设——我没有尝试过）

真正的问题是在两篇文章之间找到一条可接受且有效的捷径

处理这类问题的算法与。这可能是一个很好的起点

IIRC google或yahoo机器人程序用于在优化时间内获得可接受的最短时间。你可以勾选这个问题：

我个人也喜欢在一定的时间内找到一个可接受的最佳状态

我刚看过，这将2013年en.wikipedia.com的文章数量设置为4.000.000。比我想象的要少得多

---

编辑：我首先说这是一个NP难问题，评论员解释说不是。

我们正在研究图形探索。。。你为什么要考虑Dijkstra的算法？？？依我拙见改变方法

首先，您需要一个好的启发式函数。对于展开的每个节点，都需要估计该节点与目标/目标节点的距离。现在。。。如何计算启发式是这里真正的挑战。您可以在当前wiki页面和目标页面之间进行关键字映射。匹配的百分比可能会给出估计值。或试着猜测两页之间内容的相关性。我有预感。。。也许神经网络可以帮你。但是，这也可能不是最佳估计。我不确定。找到合适的方法后，使用*搜索算法

---

搜索和探索启发式功能，不要去广度优先搜索，你最终将在广阔的维基百科世界中无处容身

我很想知道你为什么这么做？：）删除了“Windows”标记，因为我在问题中没有看到任何Windows特定的内容。如果这是我的错误，请返回。您可以尝试使用Wikipedia上的“what links here”查找指向某个页面的所有传入链接。这将使问题更容易解决。正如@AndersonGreen所建议的，使用入站链接并执行简单的BFS。除非你有一个边的加权函数（我看不到，你不能想象），你可以考虑所有边有相等的权重，这使得所有的最短路径都在同一个BFS距离上发现目标。从2008年3月开始，数据就过时了，从我可以知道的情况下写在Perl和C++中，但是对他如何解决它的描述可能是有用的。为什么这是NP-难？是的，这只是图搜索（当然，你需要认真地做这件事，这样你就不会耗尽内存）。它在图中的顶点和边的数量上有一个多边形时间解。你指的是什么NP难约简，我不认为这实际上是TSP，因为这是问通过每个节点的最短路径，而不是两个节点之间的最短路径。谢谢你的回答，我会检查它out@tigger这是正确的。重读关于TSP和NP难的文章。我们的例子不是NP难的，也不是TSP的例子。但是，你的意思是，比O（n）更复杂的东西，比如图漫游，是浏览维基百科图的一种可能的方法吗？（我发现自己被NP难和完全弄糊涂了）@StephaneRolland NP难>=NP完全。至少与NP中最复杂的问题Y一样难的问题X是NP难的；X不必是NP的成员。NP完全是指“NP难且在NP中”，因此这些问题是NP中最复杂的问题。另外，我很好奇为什么你提到维基百科上复杂的文章数量，而A*只是对Dijkstra算法的一点修改。。。。把你现有的代码修改成这个应该不是很难。但是我还是不能解决这个问题。有人可以帮我：（（当你计算路径距离=F_D[vertex]+图[vertex][edge]，您正在获取当前顶点的距离函数并添加下一条边的成本…对吗？但是，假设您对到目标节点的距离（即当前wiki页面和目标页面之间的匹配程度）有一个启发式估计，以H（顶点）表示，那么您的成本函数将变为=F_D[vertex]+graph[vertex][edge]+H（ve）