2023年政策修订增补工作正在进行中,欢迎参与!
  • Moegirl.ICU:萌娘百科流亡社群 581077156(QQ),欢迎对萌娘百科运营感到失望的编辑者加入
  • Moegirl.ICU:账号认领正在试运行,有意者请参照账号认领流程

說明:使用Python編輯

萌娘百科,萬物皆可萌的百科全書!轉載請標註來源頁面的網頁連結,並聲明引自萌娘百科。內容不可商用。
跳至導覽 跳至搜尋
Commons-emblem-notice.svg
這個頁面「Help:使用Python編輯」是萌娘百科的幫助文檔
  • 本文用於介紹萌娘百科中一些特定功能的操作方法;
  • 本文僅是一篇論述,不屬於方針或指引。如果本指南與相關方針或指引發生衝突或存在不一致的情況,請以方針或指引的條文為準。

這個指南會簡單介紹一下如何使用 Python 創建一個維護 wiki 的自動程序/機械人(bot),它可用於在 wiki 上面進行大量編輯或者刪除等維護操作。使用它的好處在於,只要您編寫過 Python程序,就可以輕鬆上手。

注意:閱讀以下內容,我們假定您擁有 Python 和命令行的基本知識。欲學習 Python,請前往官方文檔等其他站點。

配置

安裝Python

配置Python

Pywikibot是目前最常用的wiki編輯Python庫。除此之外,我們還會用到wikitextparserrequests。只需在命令行[注 1]中輸入

python3 -m pip install requests
python3 -m pip install wikitextparser

即可。注意:由於部分作業系統同時包括Python2和Python3,因此推薦在命令中使用python3而不是python。但如果python3命令無法被識別,請使用python命令。

創造初始工程文件夾

官網下載初始文件「core_stable.zip」,將其解壓。

解壓後會出現一個叫「core_stable」的文件夾,在文件夾中創建一個名為user-config.py的文件[注 2]。文件的內容為:

mylang = 'mgp'
family_files['mgp'] = 'https://zh.moegirl.org.cn/api.php'
family = 'mgp'
# 这里使用您自己的用户名
usernames['mgp']['*'] = '用户名'
password_file = "user-password.py"

然後,創建一個名為user-password.py的文件存儲用戶名和密碼。這裏的賬號必須是自動確認使用者,否則會因為驗證碼編輯失敗。

如果沒有創建bot賬號(見下文),文件內容為:

# 强烈不推荐这种登录方式:将不加密的密码存储在文件中是很大的安全隐患。
('mgp', 'mgp', '用户名', '密码')

如果已有bot賬號,文件內容為:

('mgp', 'mgp', '用户名', BotPassword('bot用户名', 'bot密码'))

因為pywikibot目前的登錄邏輯和本站對部分API的限制。請將core_stable/pywikibot/site/_apisite.py文件APISite類的get_token()方法中

        if not types or load_all is not False:
            pdata = self._paraminfo.parameter('query+tokens', 'type')
            assert pdata is not None
            types = pdata['type']

部分代碼替換為:

        if not types or load_all is not False:
            if self.logged_in():
                pdata = self._paraminfo.parameter('query+tokens', 'type')
                assert pdata is not None
                types = pdata['type']
            else:
                types = ['login']

接下來,在控制台中使用cd命令進入「core_stable」文件夾,並執行以下命令[注 3]

python3 pwb.py login

登錄,此時會出現數行文字,最後一行應為提示登錄成功[注 4]

Logged in on mgp:mgp as 用户名.

創建您的 bot 賬號(可選)

  1. 一般來說,我們不希望您使用自己的主要賬號運行自動程序,這不僅不合理,而且難以維護和監管,因此我們建議您另外註冊一個賬號作為 bot 賬號。
  2. 然後,您還可以為您的 bot 賬號申請一個 bot 用戶組,明確表示這是一個由他人操作自動程序進行編輯的子賬號,並且可以在最近更改中隱藏批量操作以防止擾亂社區巡查工作。您可以在萌娘百科:機械人#申請與授權了解相關信息。
  3. 最後,這一點相當關鍵:前往您 wiki 的 Special:BotPasswords 頁面,為您的 bot 賬號創建一個機械人密碼,按提示操作,並保存最後得到的密鑰,您之後會用到它。

編輯示例1: Hello World

在解壓的pywikibot文件夾中新建一個名為main.py的文件(與config.py處於同一個文件夾)。文件的內容為:

# 导入pywikibot
import pywikibot as pwb

# 获取名为Help:沙盒的页面
page = pwb.Page(pwb.Site(), "Help:沙盒")

# 给页面已有的内容添加Hello World
page.text += "Hello World"

# 可选:查看更改后的wikitext文本
print(page.text)

# 保存页面,编辑摘要为"测试pywikibot"
page.save(summary="测试pywikibot")

在控制台輸入python3 main.py運行機械人,稍等片刻後,輸出應為

...(页面已有内容)
Hello World
Page [[Help:沙盒]] saved

前往萌百,會發現這次修改已經在沙盒中生效。

編輯示例2:刪除模板參數

有一天,萌百的維護組給全體編輯們佈置了一個艱巨的任務:因為{{YoutubeCount}}廢棄了fallback參數,所以每一個使用YoutubeCount模板的頁面都要被修改。例如

{{YoutubeCount|id=0KK5vQlCVYo|fallback=2968013}}

應改為

{{YoutubeCount|id=0KK5vQlCVYo}}

維護組已經給出了需要修改的條目的列表,但是除了少數想刷編輯的用戶外,沒有人願意幹這種毫無技術含量的體力活,刪除參數的事情因而進展緩慢[注 5]。這時,聰明的你突然想到可以用Python完成批量刪除參數,因此寫出了以下代碼用來測試。

# 导入pywikibot和wikitextparser
import pywikibot as pwb
import wikitextparser as wtp

# 获取一个页面,用页面名代替沙盒
page = pwb.Page(pwb.Site(), "Help:沙盒")
# 使用wikitextparser处理页面
parsed = wtp.parse(page.text)

# 遍历页面中的每一个模板
for t in parsed.templates:
    # 如果模板是YoutubeCount,则删除fallback参数
    if t.name == 'YoutubeCount':
        t.del_arg("fallback")

# 用转换后的wikitext替换已有的wikitext
page.text = str(parsed)

# 保存页面并标记为小编辑(如果没有做出任何更改,会提示保存成功,但是页面不会有任何变化)
page.save(summary="删除fallback参数", minor=True)

接下來,只要讀取需要更改的條目列表,然後對每個條目重複以上步驟即可。

除了用於刪除參數的del_arg,wikitextparser還提供了用於獲取模板參數的get_arg和用於添加、修改參數的set_arg,以及更多功能。詳情見API文檔和下一個示例。

編輯示例3:再生機械人

假如有這樣一個模板[注 6]

{{VOCALOID_Songbox
|乱七八糟的参数
|yt_id = 0KK5vQlCVYo
|其他资料 = 于2014年10月5日投稿至niconico,再生数为{{NiconicoCount|id=sm24626484}}<br>同日投稿至YouTube,再生数为1,993,000+
}}

突然,我們得知{{YoutubeCount}}可以自動獲取YouTube視頻的播放量,因此原有的"1,993,000+"可以被替換為{{YoutubeCount|id=0KK5vQlCVYo}}。因為需要修改的頁面過多,所以需要機械人輔助編輯。

程序的大概思路是:

  1. 獲取所有VOCALOID條目。對於每一個條目,做以下的事情:
  2. 獲取頁面的wikitext代碼。
  3. 因為一個條目可能有多個{{VOCALOID_Songbox}},如表裏,所以應該選擇wikitext中的一個模板進行編輯。
  4. 找到該模板中YouTube視頻的id,也就是參數「yt_id」對應的值。
  5. 找到播放量曾經的位置,也就是「其他資料」參數中的「1,993,000+」。
  6. 將「1,993,000+」替換為{{YoutubeCount|id=0KK5vQlCVYo}}
  7. 保存更改。

雖然可以通過正則匹配查找模板和參數,但是有更簡單的方法:使用wikitextparser。以下是編輯一個條目的代碼:

# 导入pywikibot和wikitextparser
import pywikibot as pwb
import wikitextparser as wtp
# 使用正则查找播放量
import re

# 获取一个页面,用页面名代替沙盒
page = pwb.Page(pwb.Site(), "Help:沙盒")
# 使用wikitextparser处理页面
parsed = wtp.parse(page.text)
# 记录页面有无变化
changed = False

# 遍历页面中的每一个模板,并找出所有的VOCALOID_Songbox。
song_boxes = []
for t in parsed.templates:
    # 添加所有名字是VOCALOID_Songbox的模板
    if "VOCALOID_Songbox" == t.name.strip():
        song_boxes.append(t)

# 遍历所有songbox
for t in song_boxes:
    # 获取YouTube视频的id和“其他资料”参数的内容
    # 使用get_arg返回的是一个对象,包含name(参数名)和value(参数值)
    # 不存在的参数则会返回None
    yt_id = t.get_arg("yt_id")
    other_info = t.get_arg("其他资料")
    # 如果两者中的任意一个不存在,则跳过该模板(有可能YouTube无投稿)
    if yt_id is None or other_info is None:
        continue
    # 可选:此时的yt_id.value就是YouTube视频的id
    print(yt_id.value.strip())
    # 使用正则查找播放量,仅为简单例子,实际使用时的正则会更复杂。
    match = re.search("[0-9][0-9,]+[+]", other_info.value)
    # 如果找不到播放量,跳过
    if match is None:
        continue
    # 找出数字播放量开始和结束的位置
    start = match.start()
    end = match.end()
    # 新模板。使用strip去除YouTube视频id中的空格。
    template = "{{YoutubeCount|id=" + yt_id.value.strip() + "}}"
    # 修改“其他信息”的值,将原有内容中的数字部分替换为模板
    other_info.value = other_info.value[:start] + template + other_info.value[end:]
    # 标记页面已修改
    changed = True

# 如果页面被修改过,保存更改,否则告知用户条目没有被修改
if changed:
    # 将修改后的wikitext对象转换为字符串,并用它覆盖页面原有的内容
    page.text = str(parsed)
    # 保存编辑
    # minor: 是否是小编辑
    # botflag: 机器人flag,如果没有机器人或机器用户权限,则没有任何影响。
    # tags: 加入编辑标签,用管道符|分割多个标签。Automation tool指的是“由半自动化脚本或半自动化工具执行的操作”。test指的是测试。
    # watch: 是否添加至监视列表,"nochange"指的是不改变监视列表
    # 可自行在萌百的[https://zh.moegirl.org.cn/api.php api页面]中了解对应的意义
    page.save(summary="测试", minor=True, botflag=True, watch="nochange", tags="Automation tool|test")
else:
    print("没有对页面作出任何修改。")

能夠轉換一個條目後,接下來只需要獲取所有分類為「使用VOCALOID的歌曲」的條目,然後轉換每個條目。貼心的官方已經寫好了代碼,只要會調用即可。

需要注意的是,代碼示例中展示了如何避免常見錯誤,例如參數不存在。但是也跳過了很多可能遇到的坑,比如模板名的對比是會被首字母是否大寫影響的,因此很可能出現「lj」不等於「Lj」的狀況。

小提示

選用編輯器

如果您還在使用類似記事本的編輯器,很快就會發現諸如縮進、括號配對、拼寫錯誤等問題難以發現。因為記事本的功能過於貧乏,所以建議您選用更強大的工具編寫代碼:

  1. Sublime Text是一個輕量級的文本編輯器。如果您只是想使用最基本的功能(如文本高亮)或你的電腦配置較差,Sublime Text可以在佔用較少資源的前提下滿足您的需求。
  2. Visual Studio Code與Sublime Text類似,但是功能更多,且支持大量插件滿足您不同的需求,是很受歡迎的選擇。
  3. PyCharm分為社區版免費版專業版收費版。收費版可以試用。PyCharm集成了大量功能(如虛擬環境,性能分析工具等),並且可以添加各類插件,因此資源佔用較多,也需要一定時間學習如何使用。

編輯頻率

根據現行方針,使用自動化工具編輯時需要注意編輯頻率,避免刷屏最近更改。

示例:使用MediaWiki api獲取用戶貢獻

雖然Pywikibot功能豐富,但有時會遇到以下情景

  1. 需要的功能Pywikibot無法提供
  2. Pywikibot提供的功能過於複雜。例如,它常常會向網站發送請求確認使用者有編輯權限,但是對於知道自己已經登錄並且有編輯權限的用戶,這一步就是多餘的。

如何使用MediaWiki api

此時可以使用MediaWiki自帶的api操作。幫助頁面給出了可用的api列表。雖然直接使用MediaWiki api花費的時間更多且更容易出錯,但是用戶可以最大程度地控制程序的行為。

以獲取用戶的所有貢獻,並分析不同命名空間的編輯次數為例。

首先前往幫助頁面查找需要的功能。用戶貢獻在query操作的usercontribs列表中。

幫助頁面給出的例子是「[1]」,該頁面列舉了User:Example的最近10條貢獻。但是,為了統計用戶所有編輯的命名空間,有以下幾個問題需要解決。

  1. 用戶名不一定是Example。這點很好解決,將ucuser參數的值改為目標用戶的用戶名即可。
  2. 需要獲取一個用戶的所有貢獻,而不僅僅是最近的10個。解決方法是使用continue參數中的uccontinue,向伺服器發送第二個請求,要求伺服器從上一次中斷的地方繼續列舉用戶的貢獻。具體用法見下文的代碼。
  3. 雖然有辦法獲取所有貢獻,但是一次只能獲取10個效率太低。由幫助頁面可知,可以將uclimit參數改為500(非機器使用者的上限),一次獲取500個貢獻。
  4. api返回的信息包含每一次編輯的用戶名、用戶id、頁面id、編輯id、頁面命名空間、頁面標題、編輯時間和編輯摘要等內容。但是程序只需要頁面的命名空間,其它信息都是多餘的。因此,可以使用ucprop參數指定返回的信息束。ucprop的參數之一title的描述是「添加頁面標題及其命名空間ID」,因此只需要title即可。
  5. api返回的是HTML頁面。雖然可讀性很高,但很難被程序處理。程序只需要json數據,因此需要加上format=json讓api返回純json數據。

綜上所述,請求的連結應為「[2]」。將連結中的Example替換為目標用戶名就可以獲取用戶的貢獻。

使用Python獲取最近500次貢獻

第一次嘗試如下:

import requests
import json
import urllib

# 向萌百的服务器发送请求,这里以U:Lihaohong为例。为了保证可读性,代码被分成了好几行。
result = requests.get("https://zh.moegirl.org.cn/api.php?"
                      "action=query&list=usercontribs&"
                      # 注意:在url中输入非拉丁字母和非数字的字符需要用urllib.parse.quote额外处理
                      "ucuser=" + urllib.parse.quote("Lihaohong") + "&"
                      "uclimit=500&"
                      "ucprop=title&"
                      "format=json")
# 将返回的结果转化为json数据
data = json.loads(result.text)
# 输出结果
print(data)

輸出的json數據如下

{
  'batchcomplete': '',
  'continue': {
    # 这里的数值可以用来发送下一次请求获取“下一页”贡献。
    'uccontinue': '20220415095523|5841956',
    'continue': '-||'
  },
  'query': {
    'usercontribs': [
      {
        'userid': 741745,
        'user': 'Lihaohong',
        'ns': 12,
        'title': 'Help:沙盒'
      },
      {
        'userid': 741745,
        'user': 'Lihaohong',
        'ns': 0,
        'title': '夜颜的告白'
      },
      {
        'userid': 741745,
        'user': 'Lihaohong',
        'ns': 0,
        'title': '最强Tettoteto计划'
      },
      {
        'userid': 741745,
        'user': 'Lihaohong',
        'ns': 0,
        'title': '追悔'
      }
      # 后面还有很多...但是总共只有500条。
    ]
  }
}

顯然,query中的usercontribs數組存儲了用戶的編輯,其中的ns包含每次編輯的命名空間信息。

使用Python獲取所有貢獻

在統計命名空間之前,需要先使用uccontinue參數獲取用戶的全部貢獻,而不僅僅是前500個。

import requests
import json

# 用列表(数组)存储所有贡献
contributions = []
# 一开始,不需要uccontinue参数
cont = ""
while True:
    # 将uccontinue参数加入请求。注意:一开始cont为空字符串。
    result = requests.get("https://zh.moegirl.org.cn/api.php?"
                          "action=query&list=usercontribs&"
                          "ucuser=Lihaohong&"
                          "uclimit=500&"
                          "ucprop=title&"
                          "format=json" + 
                          cont)
    # 将返回的结果转化为json数据
    data = json.loads(result.text)
    # 提取贡献,并把贡献存入contributions
    contributions.extend(data['query']['usercontribs'])
    
    # 如果api返回的数据中包含continue,表明还有更多贡献未获取
    if 'continue' in data: 
        # 将uccontinue参数放入cont变量,用于下一次循环的get请求
        cont = "&uccontinue=" + data['continue']['uccontinue']
    else: # 如果不包含continue,说明所有贡献已被读取完毕,可以退出循环
        break

# 输出所有贡献
print(contributions)
# 确保贡献数正确
print(len(contributions))

運行後發現,貢獻數與用戶的真實貢獻數相同[注 7]

使用Python分析數據

接下來,只要統計每個命名空間出現多少次即可。Python的Counter類可以快速統計數組中的每個數字出現了多少次。除此之外,還可以使用字典將數字轉換為文字。

from collections import Counter
namespace_dict = {
    0: "主", 1: "讨论",
    2: "用户", 3: "用户讨论",
    4: "萌娘百科", 5: "萌百讨论",
    6: "文件", 7: "文件讨论",
    8: "MW", 9: "MW讨论",
    10: "模板", 11: "模板讨论",
    12: "帮助", 13: "帮助讨论",
    14: "分类", 15: "分类讨论",
    274: "小部件", 275: "小部件讨论",
    828: "模块", 829: "模块讨论"
}
# 这里省略了之前获取contributions列表的代码
# 获取每次编辑的名字空间,并将其转换为文字(如果namespace_dict没有对应的文字,则保留数字)。最后用Counter统计每个名字空间出现了多少次。
counter = Counter([namespace_dict.get(c['ns'], c['ns'])
                  for c in contributions])
# 按照编辑次数给所有名字空间排序
t = sorted(list(counter.items()), key=lambda p: p[1], reverse=True)
print(t)

用戶Lihaohong的輸出為

[('主', 1253), ('用户', 279), ('帮助', 19), ('用户讨论', 16), ('萌娘百科讨论', 12), ('讨论', 10), ('模板', 9), ('模板讨论', 2), ('萌娘百科', 1)]

繪製圖表

最後,熟悉Python繪製圖表工具,例如matplotlib的用戶,可以繪製貢獻的餅狀圖和柱狀圖。

import matplotlib
import matplotlib.pyplot as plt

# 部分操作系统中,matplotlib的默认字体不支持中文,因此需要手动指定字体。
matplotlib.rcParams['font.family'] = "Heiti TC"
matplotlib.rcParams['axes.unicode_minus'] = False

# 把名字空间和编辑次数放入两个不同的列表。
namespaces, edits = zip(*t)
# 第一张图:饼状图
plt.figure(1, [10, 6])
patches, texts = plt.pie(edits, labels=namespaces)
plt.legend(patches, [f"{p[0]}: {p[1]}" for p in t], 
           loc='center right', bbox_to_anchor=(0, 0.5), fontsize=15)
plt.savefig("pie.png")
plt.show()
# 第二张图:柱状图
plt.figure(2, [len(namespaces), 6])
bar_plot = plt.bar(namespaces, edits, color=[p.get_facecolor() for p in patches])
plt.bar_label(bar_plot)
plt.savefig("bar.png")
plt.show()

應對WAF

對於大多數用戶,本工具已經夠用了。但是查詢編輯量極大的用戶的所有編輯需要大量(超過100個)請求,極有可能被WAF。解決方法如下:

  1. 使用sleep函數,每發送一個請求就休眠數秒,減少被WAF的可能性。
  2. 使用mzh域名。雖然很少被WAF,但是會被502。
  3. 如果被WAF,保存已有進度。下次啟動程序時從已有進度開始繼續發送請求。

以下是使用mzh域名的例子:

# 仅展示如何获取单页数据
# 循环,直到成功获取数据
while True:
    try:
        result = requests.get("https://mzh.moegirl.org.cn/api.php?"
                              "action=query&list=usercontribs&"
                              "ucuser=" + urllib.parse.quote("Lihaohong") + "&"
                              "uclimit=500&"
                              "ucprop=title&"
                              "format=json" + 
                              cont)
        # 将返回的结果转化为json数据
        data = json.loads(result.text)
        # 如果成功获取数据,退出循环
        break
    except Exception as e: # 如有Exception,多半是502了
        # 输出错误信息,并重试
        print(str(e), "retrying...")

最終效果

查詢萌百某用戶的編輯記錄。在發送上百個請求後,得到以下結果。

[('主', 33674), ('萌百讨论', 5931), ('模板', 5783), ('分类', 4007), ('用户', 3877), ('MW', 2887), ('用户讨论', 2365), ('萌娘百科', 862), ('讨论', 794), ('帮助', 450), ('模板讨论', 404), ('模块', 119), ('MW讨论', 102), ('小部件', 72), ('分类讨论', 17), ('帮助讨论', 9), ('小部件讨论', 7), ('模块讨论', 5)]

示例:使用API獲取VOCALOID歌曲條目及其重新導向信息

當你爆肝殿堂曲列表時,常常需要在萌百站內搜索殿堂列表中的曲目日文標題,以確保列表中的內鏈能正確地指向歌曲條目。

這時,你發現有億些歌曲在站內有條目,卻沒有建立原名重新導向,以致血壓升高。於是你打算整理出站內所有日文VOCALOID曲目的重新導向信息,以備篩查。

查詢query操作文檔後,發現可以通過list=search搜索代碼獲取位於Cat:使用VOCALOID的歌曲Cat:日本音樂作品分類中的條目、通過prop=redirects獲取至某條目的重新導向頁面列表。

代碼(僅作示例,不保證正確性,可以不看
import requests
import json

song_type = "VOCALOID"

def get_pages(offset: int):
    # search通过偏移值来获取更多数据,因此这里不再使用API返回的continue数据
    return json.loads(requests.get("https://zh.moegirl.org.cn/api.php", params={
        "action": "query",
        "list": "search",
        "srsearch": f"incategory:使用{song_type}的歌曲 incategory:日本音乐作品",
        "srlimit": 500,
        "sroffset": offset,
        "continue": "-||",
        "format": "json"}).text)['query']

# titles参数长度限制为50,需切块处理
def get_redirects(pages: list[str]) -> requests.Response:
    return (json.loads(requests.get("https://zh.moegirl.org.cn/api.php", params={
        "action": "query",
        "prop": "redirects",
        "titles": '|'.join(pages),
        "rdlimit": 500,
        "format": "json"}).text))['query']

def get_all_redirects(pages: list[str]) -> requests.Response:
    result = {'pages': {}}
    for i in range(0, len(pages), 50):
        result['pages'].update(get_redirects(pages[i:i+50])['pages'])
    return result

data = get_pages(0)
total_count = data['searchinfo']['totalhits']
pages = {x['pageid']: x for x in data['search']}
datar = get_all_redirects([x['title'] for x in data['search']])['pages']
for k, v in datar.items():
    if 'redirects' in v:
        pages[int(k)]['redirects'] = v['redirects']

for i in range(500, total_count, 500):
    data = get_pages(i)['search']
    pages.update({x['pageid']: x for x in data['search']})
    # 同上,不写了

with open("output.json", 'w', encoding='UTF-8') as f:
    json.dump(pages, f, indent=4, ensure_ascii=False)

然而,如果直接這樣操作,不僅代碼繁瑣,還意味着每次查詢都需要向伺服器多發送10次prop=redirects請求,大大增加了耗費時間、伺服器負擔和WAF風險。

於是,我們可以使用生成器,在一次查詢中同時獲取頁面列表和重新導向信息。

在查詢中使用生成器(Generator)

除有特殊聲明外,query操作的絕大多數子模塊都能被用作生成器。因此,絕大多數情況下,只需將list/prop=...參數改為generator=...,其他相關參數前加上g,就能將一個普通查詢操作轉換成一個generator查詢操作。

對於一個generator查詢操作,可附加一個參數prop=A|B|C|...。這時,伺服器返回的數據中,每個通過generator查詢到的頁面後都會附上指定的屬性信息,從而避免了多次發送查詢請求。

代碼
import requests
import json

song_type = "VOCALOID"

def get_pages_with_redirects(offset: int):
    # search通过偏移值来获取更多数据,因此这里不再使用API返回的continue数据
    # generator的limit值和各个prop的limit值是分别计算的
    # 由于查询中重定向总数可能多于页面总数,为避免一次请求无法返回所有重定向信息,将srlimit缩减为400
    return json.loads(requests.get("https://zh.moegirl.org.cn/api.php", params={
        "action": "query",
        "generator": "search",
        "gsrsearch": f"incategory:使用{song_type}的歌曲 incategory:日本音乐作品",
        "gsrlimit": 400,
        "gsroffset": offset,
        "continue": "gsroffset||",
        "prop": "redirects",
        "rdlimit": 500,
        "format": "json"}).text)

pages = {}
i = 0
while True:
    data = get_pages_with_redirects(i)
    pages.update(data['query']['pages'])
    i += 400
    if not 'continue' in data: break

with open("output.json", 'w', encoding='UTF-8') as f:
    json.dump(pages, f, indent=4, ensure_ascii=False)
程序輸出
{
    "103030": {
        "pageid": 103030,
        "ns": 0,
        "title": "1 2 fan club",
        "index": 215,
        "redirects": [
            {
                "pageid": 119944,
                "ns": 0,
                "title": "12 Fan Club"
            },
            {
                "pageid": 262220,
                "ns": 0,
                "title": "いーあるふぁんくらぶ"
            },
            {
                "pageid": 262222,
                "ns": 0,
                "title": "一二粉丝俱乐部"
            }
        ]
    },
    "468148": {
        "pageid": 468148,
        "ns": 0,
        "title": "3分钟女孩",
        "index": 234,
        "redirects": [
            {
                "pageid": 468195,
                "ns": 0,
                "title": "3分ガール"
            },
            {
                "pageid": 468196,
                "ns": 0,
                "title": "三分钟女孩"
            }
        ]
    },
    "303078": {
        "pageid": 303078,
        "ns": 0,
        "title": "8.32",
        "index": 102
    },
    ...
}

註釋

  1. Windows系統下可以使用cmd或PowerShell;macOS系統下使用終端(即Terminal)即可
  2. 創建任何文件時請確保文件使用utf-8編碼。例如,Windows下的記事本會在保存時允許用戶選擇文件編碼。如果默認的編碼是ANSI,請把它改成utf-8。
  3. 以下默認使用python3。如果設備中python3命令不存在,請使用python命令。
  4. 如果顯示SiteDefinitionError,有可能是WAF導致的,可以在config.py的family_files處,把https://zh.moegirl...改為https://mzh.moegirl...
  5. 本故事純屬虛構因為刪除參數這種事情可以直接用正則完成,根本沒有必要手動做
  6. 來自條目雨聲殘響的歷史版本
  7. 這裏的統計方式和{{User Infobox}}相同,但是與顯示貢獻數的小工具不同

參見