ویکی‌پدیا:درخواست‌های ربات/کد پایه
کد زیر یک کد خام هست که تحت مجوز کریتیو کامنز ارایه می‌گردد. برای شروع کار با ربات و تقریبا حداقل‌های مورد نیاز برای ساخت یک ربات برای fa.wiki را دارا هست.
امکانات کد[ویرایش]
- تابع تغییر عدد فارسی به انگلیسی یا با کمی تغییر انگلیسی به فارسی
- تابع حذف نیم‌فاصله‌های اشتباه
- مولد صفحه که در صورتی که متغییر arg=True باشد آرگونها فعال میگردند در غیر این صورت ربات فقط یک صفحه یا مجموعه صفحه‌هایی را میگیرد.(همکنون arg=False)
- بخشی که شما عملی خاصی را از ربات انتظار دارید: در این بخش ربات نام صفحه و متن آن صفحه را به شما ارائه میدهد که با تغییر آنها بر اساس نیاز کدنویسی، میتوانید نتیجه بدست آمده را ذخیره نمایید.
ورودی ربات[ویرایش]
ورودی ربات برای کار کردن در حالتی که arg=True باشد به شرح زیر است.
- آرگومان page-:نام یک صفحه یا مجموعه صفحه‌هایی را از شما میگیرد مثال : -page:ایران یا -page:ایران,تهران,شیراز
- آرگومان cat-:نام یک رده یا مجموعه رده‌هایی را از شما میگیرد مثال : -cat:هنرمندان ایران یا -page:هنرمندان ایران,هنرمندان تهران,هنرمندان شیراز
- آرگومان template-:نام یک الگو یا مجموعه الگوهایی را از شما میگیرد مثال : -template:روی نقشه ایران یا -template:روی نقشه ایران,روی نقشه تهران,روی نقشه شیراز
- آرگومان start-:از یک حرف شروع به فعالیت میکند مثال:-start:ب ==> تمام صفحه‌هایی که بعد از حرف ب قرار دارند را برای ربات به ترتیب الفبا بارگذاری میکند.
- نکته:حروف ی، ک، پ، گ،ژ به علت مشکل در رتبه بندی الفبا فارسی در مدیاوبکی در انتهای الفبا قرار دارند.
- نکته:در صورتی که میخواهید صفحه‌ها در فضای نام دیگری جز فضای نام مقاله باشد مانند (رده، الگو، مدیاویکی،ویکی‌پدیا،راهنما،درگاه،پرونده،بحث و...) باید از کد ترکیبی استفاده کنید به عنوان مثال -start:الگو:ب یا -start:رده:ج ==> این ربات از رده‌هایی شروع به کار میکند که بعد از حرف ج باشند.
- سایر آرگومانها را در اینجا مطالعه نمایید.
- تذکر:برای وارد کردن عبارتهای فارسی که در فوق ذکر شد برای ویندوز باید از این ابزار استفاده نمایید.
کد پایه[ویرایش]
#!/usr/bin/python
# -*- coding: utf-8 -*-
# BY: Z (User:ZxxZxxZ on fa.wikipedia)
# BY: رضا (User:reza1615 on fa.wikipedia)
# Distributed under the terms of the CC-BY-SA 3.0 .
"""
This bot will make direct text replacements. It will retrieve information on
which pages might need changes either from an XML dump or a text file, or only
change a single page.
You can run the bot with the following commandline parameters:
-file - Work on all pages given in a local text file.
Will read any [[wiki link]] and use these articles.
Argument can also be given as "-file:filename".
-cat - Work on all pages which are in a specific category.
Argument can also be given as "-cat:categoryname".
-template - Work on all pages which are in a specific template.
Argument can also be given as "-template:templatename".
-page - Only edit a specific page.
Argument can also be given as "-page:pagetitle". You can give this
parameter multiple times to edit multiple pages.
-ref - Work on all pages that link to a certain page.
Argument can also be given as "-ref:referredpagetitle".
-filelinks - Works on all pages that link to a certain image.
Argument can also be given as "-filelinks:ImageName".
-links - Work on all pages that are linked to from a certain page.
Argument can also be given as "-links:linkingpagetitle".
-start - Work on all pages in the wiki, starting at a given page. Choose
"-start:!" to start at the beginning.
NOTE: You are advised to use -xml instead of this option; this is
meant for cases where there is no recent XML dump.
i.e. "-start:Category:!" or "-start:template:a"
-except:XYZ - Ignore pages which contain XYZ. If the -regex argument is given,
XYZ will be regarded as a regular expression.
-summary:XYZ - Set the summary message text for the edit to XYZ, bypassing the
predefined message texts with original and replacements inserted.
-template:XYZ-
-namespace:n - Number of namespace to process. The parameter can be used
multiple times. It works in combination with all other
parameters, except for the -start parameter. If you e.g. want to
iterate over all user pages starting at User:M, use
-start:User:M.
-always - Don't prompt you for each replacement
other: -
NOTE: Only use either -xml or -file or -cat or -template or-page, but don't mix them.
Examples:
behsaz.py -start:! برای تمام صفحات ویکی
or
behsaz.py -page:آرامگاه کورش
or
behsaz.py -cat:ایران
"""
__version__ = '$Id: $'
import wikipedia
import pagegenerators
import re, os, codecs, catlib
wikipedia.config.put_throttle = 0
wikipedia.put_throttle.setDelay()
faSite = wikipedia.getSite('fa')
enSite = wikipedia.getSite('en')
txtTmp=' '
faChrs = u'ءاآأإئؤبپتثجچحخدذرزژسشصضطظعغفقکگلمنوهیًٌٍَُِّْٓيك'
enChrs=u'qwertyuiopasdfghjklzxcvbnmQWERTYUIOPASDFGHJKLZXCVBNM'
faNums = u'۰۱۲۳۴۵۶۷۸۹'
arNums = u'٠١٢٣٤٥٦٧٨٩'
enNums = u'0123456789'
msg = u'ربات: ویرایشگر %s'
def BotRun(page,text_fa):
#--------------------------------------------------------------action that you want to do on pages-----------------
print page
print '+++++++++++++++++++++++++++++++++++++++++'
print text_fa
#return result_for_save
#----------------------------------------------------------end of action that you want to do on pages---------------
def fasort(categories):
replacements = (u'پ',u'بي', u'چ' , u'جي', u'ژ',u'زي', u'ک',u'قي', u'گ',u'كي', u'۱',u'z۱', u'۲',u'z۲', u'۳',u'z۳', u'۴',u'z۴', u'۵',u'z۵', u'۶',u'z۶', u'۷',u'z۷', u'۸',u'z۸', u'۹',u'z۹', u'۰',u'z۰')
items,newsort=[],[]
for catory in categories:
old_catory=catory
for i in range(0,len(replacements)-1,2):
catory=str(catory).replace(replacements[i],replacements[i+1])
items.append([old_catory,catory])
items.sort(lambda x, y: cmp(x[1],y[1]))
for item in items:
newsort.append(item[0])
print item[0]
return newsort
def faToEn(faTxt, type):
# changing english to farsi numbers
faChrsToFrcRplc = u'۰۱۲۳۴۵۶۷۸۹«»٬٫٪،؛؟'
enChrsToFrcRplc = u'0123456789""`.%,;?'
if type is 'force':
for i in range(0,18):
enTxt = faTxt.replace(enChrsToFrcRplc[i], faChrsToFrcRplc[i])
elif type is 'safe':
pass
return enTxt
def fixCsmtc(faTxt, type):
# ZWNJ
if type is 'force':
txt = re.sub(u'{2,}', u'', txtTmp) # پشت‌سرهم
txt = re.sub(u'\[\[([^\]\|]*?)]](%s+)' % faChrs, ur'[[\1|\1\2]]', txt) # Piping
txt = re.sub(u'(?![ئاآأإژزرذدوؤةبپتثجچحخسشصضطظعغفقکگلمنهیيًٌٍَُِّْٰٓٔ]|[\u0900-\u097F]|ֹ)', '', txt) # در پس
txt = re.sub(u'(?<![ئبپتثجچحخسشصضطظعغفقکگلمنهیيًٌٍَُِّْٰٓٔ]|[\u0900-\u097F]|f|ֹ)', '', txt) # در پیش
elif type is 'safe':
###
a=1
return enTxt
def run(generator):
for page in generator:
try:
if not page.canBeEdited():
wikipedia.output( u'Skipping locked page %s' % page.title() )
continue
text_fa = page.get()#------------------------------geting pages content
except wikipedia.NoPage:
wikipedia.output( u'Page %s not found' % page.title() )
continue
except wikipedia.IsRedirectPage:#----------------------geting pages redirects contents
pageRedirect = page.getRedirectTarget()
text_fa = pageRedirect.get()
wikipedia.output( u'Page %s was Redirect but edited!' % pageRedirect )
except:
continue
new_text=BotRun(page,text_fa)
savepart( page,new_text )#---------------saving changes in page with new_text content-----------------------------------
def savepart( page,new_text):
if new_text!=None and page!=None and new_text.find( u'#تغییرمسیر')==-1 and new_text.find( u'#ridirect')==-1 and new_text.find( u'#Ridirect')==-1:
try:
page.put( new_text,msg % page ,watchArticle = None,minorEdit = True)
except wikipedia.EditConflict:
wikipedia.output( u'Skipping %s because of edit conflict' % ( page.title() ) )
except wikipedia.SpamfilterError,url:
wikipedia.output( u'Cannot change %s because of blacklist entry %s' % ( page.title(),url ) )
def main():
summary_commandline,template,gen = None,None,None
exceptions,PageTitles,namespaces = [],[],[]
autoText,autoTitle = False,False
genFactory = pagegenerators.GeneratorFactory()
wikipedia.setAction( msg )
arg=False#------if you dont want to work with arguments leave it False if you want change it to True---
if arg==True:
for arg in wikipedia.handleArgs():
if arg == '-autotitle':
autoTitle = True
elif arg == '-autotext':
autoText = True
elif arg.startswith( '-page:' ):
if len(arg) == 6:
PageTitles.append(wikipedia.input( u'Which page do you want to chage?' ))
else:
PageTitles.append(arg[6:])
elif arg.startswith( '-cat:' ):
if len(arg) == 5:
PageTitles.append(wikipedia.input( u'Which Category do you want to chage?' ))
else:
PageTitles.append('Category:'+arg[5:])
elif arg.startswith( '-template:' ):
if len(arg) == 10:
PageTitles.append(wikipedia.input( u'Which Template do you want to chage?' ))
else:
PageTitles.append('Template:'+arg[10:])
elif arg.startswith('-except:'):
exceptions.append(arg[8:])
elif arg.startswith( '-namespace:' ):
namespaces.append( int( arg[11:] ) )
elif arg.startswith( '-ns:' ):
namespaces.append( int( arg[4:] ) )
elif arg.startswith( '-summary:' ):
wikipedia.setAction( arg[9:] )
summary_commandline = True
else:
generator = genFactory.handleArg(arg)
if generator:
gen = generator
else:
PageTitles = [raw_input(u'Page:> ').decode('utf-8')]
if PageTitles:
pages = [wikipedia.Page(faSite,PageTitle) for PageTitle in PageTitles]
gen = iter( pages )
if not gen:
wikipedia.stopme()
if namespaces != []:
gen = pagegenerators.NamespaceFilterPageGenerator( gen,namespaces )
preloadingGen = pagegenerators.PreloadingGenerator( gen,pageNumber = 60 )#---number of pages that you want load at same time
run(preloadingGen)
if __name__ == "__main__":
try:
main()
finally:
wikipedia.stopme()