自動解決消歧頁

Question

問題

我正在使用維基百科API來獲取我解析的頁面HTML。我使用像this one這樣的查詢來獲取頁面第一部分的HTML。

MediaWiki API提供了一個方便的參數redirects，它將使API自動關注重定向其他頁面的頁面。例如，如果我搜索'貓'https://en.wikipedia.org/w/api.php?page=Cats&redirects，我將顯示Cat的結果，因爲Cats重定向到Cat。

我想要disambiguation pages的類似功能，如this，如果我到達消歧頁面，我會自動重定向到第一個鏈接。例如，如果我向Mercury等頁面發出請求，我會自動將其重定向到Mercury (element)，因爲它是頁面中列出的第一個鏈接。

對於大型文檔，Python HTML分析器BeautifulSoup相當慢。通過只需要第一部分文章（這就是我需要的所有內容），使用section=0，我可以快速解析它。這對大多數文章來說都是完美的但是對於消歧頁面，第一部分並不包含而不是包含指向特定頁面的任何鏈接，使其成爲糟糕的解決方案。但是如果我要求更多比第一部分，HTML加載速度減慢，這對大多數文章是不必要的。請參閱this query以獲取消歧頁面的示例，其中鏈接不包含在第一部分中。

我至今

至於現在，我就得到了爲達到消除歧義頁面時檢測。我用這樣的代碼

bs4.BeautifulSoup(page_html).find("p", recursive=false).get_text().endswith(("refer to:", "refers to:")) 

我也花了，而試圖編寫代碼自動執行一個鏈接，我才意識到，該鏈接不包含在

我的約束

我寧願以儘量減少請求的數量。我還需要解析爲儘可能少的HTML，因爲速度對於我的應用程序至關重要。

可能的解決方案（我需要幫助執行）

我可以設想幾種解決方案，這一問題：

1. MediaWiki的API中的一種自動遵循消歧頁面第一個鏈接
2. Mediawiki API中的一種方法，允許它根據條件返回不同數量的HTML內容（如存在消歧模板）
3. 一種顯着提高速度的方法因此，如果我最終不得不解析整個頁面，這並不重要HTML

Answer 1

由於Tgr和大家都說，不，這樣的功能不存在，因爲它沒有任何意義。消歧頁面中的第一個鏈接沒有任何特殊的地位或含義。

至於現有的API，見https://www.mediawiki.org/wiki/Extension:Disambiguator#API_usage

順便說一句，你鏈接的「殭屍政策」並沒有真正適用於爬蟲/刮刀;唯一相關的政策/指南是User-Agent policy。