درخواست‌های ربات/ویکی‌ساز: تفاوت میان نسخه‌ها

از ویکی‌وحدت
جز (جایگزینی متن - 'ي' به 'ی')
بدون خلاصۀ ویرایش
خط ۴۸۵: خط ۴۸۵:
     main()
     main()
</syntaxhighlight>
</syntaxhighlight>
[[رده: ویکی وحدت]]

نسخهٔ ‏۸ دسامبر ۲۰۲۱، ساعت ۱۵:۰۸

این ربات برای ویکی‌‌سازی مقالات به صورت رباتیک و خودکار کاربرد دارد. شرح عملکرد آن در کاربر:FawikiPatroller/ویکی‌سازی رباتیک موجود است.

روش کار

ابتدا باید کوئری‌ای از فهرست عنوان مقالات تهیه شود و در فولدر ربات قرار داده شود تا ربات بتواند از آن برای ویکی‌سازی استفاده کند. در کد YourBot نام حساب کاربری شماست آن را تغییر دهید.

کوئری

Select page_title  FROM page WHERE
    page_namespace = 0 AND page_namespace = 0 AND page_is_redirect = 0 AND page_title LIKE "%_%" AND LENGTH(page_title) < 150 AND LENGTH(page_title) > 5 
    AND NOT (page_title LIKE "%(%" or page_title LIKE "%ی%" or page_title LIKE "%ک%" or page_title LIKE "%۱%" or page_title LIKE "%۲%"  
    or page_title LIKE "%۳%" or page_title LIKE "%۴%" or page_title LIKE "%۵%" or page_title LIKE "%۶%" or page_title LIKE "%۷%"  
    or page_title LIKE "%۸%"or page_title LIKE "%۹%"or page_title LIKE "%۰%"or page_title LIKE "%1%"or page_title LIKE "%2%"or page_title LIKE "%3%" 
    or page_title LIKE "%4%"or page_title LIKE "%5%" or page_title LIKE "%6%" or page_title LIKE "%7%" or page_title LIKE "%8%" or page_title LIKE "%9%"  
    or page_title LIKE "%0%") ORDER BY LENGTH(page_title) DESC;

دستور اجرای sql

sql fawiki_p < links.sql > wiki_Articles.txt

کد

#!/usr/bin/python
# -*- coding: utf-8  -*-
#
# Reza(User:reza1615), 2013
#
# Distributed under the terms of the CC-BY-SA 3.0 .
# -*- coding: utf-8 -*-
import wikipedia,pagegenerators,re,pywikibot,query
import fa_cosmetic_changes,sys,codecs,string,login,time
wikipedia.config.put_throttle = 0      
wikipedia.put_throttle.setDelay()

#--------------------------------------------------------------------------------------
bot_version=u'(۷.۵)'
disambig_template=u'الگو:ابهام‌زدایی'
film_name=u'فیلم‌ها'
no_templates=[u'الگو:خوبیده',u'الگو:برگزیده',u'الگو:مقاله برگزیده',u'الگو:ویکی‌سازی رباتیک نه']
no_fa_words=[u'از',u'این',u'آن',u'اگر',u'برای',u'در',u'را',u'ما',u'شما',u'ایشان',u'آن‌ها',u'یک',u'دو',u'سه',u'چهار',u'پنج',u'هفت',u'هشت',u'نه',u'اول'
,u'دوم',u'سوم',u'چهارم',u'پنجم',u'ششم',u'هفتم',u'هشتم',u'نهم',u'زشت‌ترین',u'بهترین',u'بدترین',u'زیباترین',u'کوتاه‌ترین',u'بلندترین',u'بالاترین',u'افزون',
u'افقی',u'اکنون',u'اینجا',u'اینچنین',u'آری',u'پایین',u'پس',u'پسا',u'پشت',u'پیش',u'چنان',u'چندان',u'چندی',u'حالی',u'به',u'بدون',u'چند',
u'دیگر',u'سپس',u'شاید',u'کنون',u'کنونی',u'گاهی',u'گشت',u'گویا',u'گویی',u'ناچار',u'ناگه',u'ناگهان',u'هماره',u'همانا',u'همانجا',u'همچو',u'بزرگ',u'کوچک',u'تاریک'
,u'همچون',u'همگان',u'همواره',u'همیشگی',u'همیشه',u'هنوز',u'هیچ',u'یکان',u'یکبار',u'یکباره',u'آخرین',u'اولین',u'دیرترین',u'به',u'همه',u'هم',u'سر',u'با',u'زیر',u'روز',u'شب']
original_lang='fa'
film_cat=u'رده:مقاله‌های خرد سینمایی'
site_category=ur'رده'
hidden_cat=u'\n[[رده:ویکی‌سازی رباتیک]]'
Black_links=u'کاربر:FawikiPatroller/Black Links'
White_Links=u'کاربر:FawikiPatroller/White Links'
no_words=u'QWERTYUIOPASDFGHJKLZXCVBNMqwertyuiopasdfghjklzxcvbnm'
#--------------------------------------------------------------------------------------
site = wikipedia.getSite(original_lang)

'''
Select page_title  FROM page WHERE
    page_namespace = 0 AND page_namespace = 0 AND page_is_redirect = 0 AND page_title LIKE "%_%" AND LENGTH(page_title) < 150 AND LENGTH(page_title) > 5 
    AND NOT (page_title LIKE "%(%" or page_title LIKE "%ی%" or page_title LIKE "%ک%" or page_title LIKE "%۱%" or page_title LIKE "%۲%"  
    or page_title LIKE "%۳%" or page_title LIKE "%۴%" or page_title LIKE "%۵%" or page_title LIKE "%۶%" or page_title LIKE "%۷%"  
    or page_title LIKE "%۸%"or page_title LIKE "%۹%"or page_title LIKE "%۰%"or page_title LIKE "%1%"or page_title LIKE "%2%"or page_title LIKE "%3%" 
    or page_title LIKE "%4%"or page_title LIKE "%5%" or page_title LIKE "%6%" or page_title LIKE "%7%" or page_title LIKE "%8%" or page_title LIKE "%9%"  
    or page_title LIKE "%0%") ORDER BY LENGTH(page_title) DESC;

sql fawiki_p < links.sql > wiki_Articles.txt

zip wiki_Articles wiki_Articles.txt
'''

fa_link_text = codecs.open( '/data/project/YourBot/pywikipedia/wiki_Articles.txt','r' ,'utf8' )
fa_link_text = fa_link_text.read().replace(u'page_title',u'').strip()
fa_link_list=fa_link_text.replace(u'_',u' ').replace(u'\r',u'').strip().split(u'\n')

#--------------------------------------------------------------------------------------

def login_wiki():   
    password_wiki = open("/data/project/YourBot/pywikipedia/passfile2", 'r')
    password_wiki=password_wiki.read().replace('"','').strip()    
    passwords=password_wiki.split(',')[1].split(')')[0].strip()
    usernames=password_wiki.split('(')[1].split(',')[0].strip()
    botlog=login.LoginManager(password=passwords,username=usernames,site=site)
    botlog.login()
    
def templatequery(enlink):
    temps=[]
    if enlink==u'':
        return []    
    enlink=enlink.replace(u' ',u'_')
    params = {
            'action': 'query',
            'prop':'templates',
            'titles': enlink,
            'redirects': 1,
            'tllimit':500,
    }

    try:
        categoryname = query.GetData(params,site)
        for item in categoryname[u'query'][u'pages']:
            templateha=categoryname[u'query'][u'pages'][item][u'templates']
            break
        for temp in templateha:
            temps.append(temp[u'title'].replace(u'_',u' '))         
        return temps
    except: 
        return []

TEMP_REGEX = re.compile(
    '{{(?:msg:)?(?P<name>[^{\|]+?)(?:\|(?P<params>[^{]+?(?:{[^{]+?}[^{]*?)?))?}}')

def compileLinkR(withoutBracketed=False, onlyBracketed=False):
    """Return a regex that matches external links."""
    notAtEnd = '\]\s\.:;,<>"\|\)'
    notAtEndb = '\]\s\.:;,<>"\|'
    notInside = '\]\s<>"'
    regex = r'(?P<url>http[s]?://[^%(notInside)s]*?[^%(notAtEnd)s]' \
            r'(?=[%(notAtEnd)s]*\'\')|http[s]?://[^%(notInside)s]*' \
            r'[^%(notAtEnd)s])' % {'notInside': notInside, 'notAtEnd': notAtEnd}
    regexb = r'(?P<urlb>http[s]?://[^%(notInside)s]*?[^%(notAtEnd)s]' \
            r'(?=[%(notAtEnd)s]*\'\')|http[s]?://[^%(notInside)s]*' \
            r'[^%(notAtEnd)s])' % {'notInside': notInside, 'notAtEnd': notAtEndb}
    if withoutBracketed:
        regex = r'(?<!\[)' + regex
    elif onlyBracketed:
        regex = r'\[' + regexb
    else:
        regex=r'(?:(?<!\[)'+ regex+r'|\['+regexb+')'
    linkR = re.compile(regex)
    return linkR

def findmarker(text, startwith=u'@@', append=None):
    # find a string which is not part of text
    if not append:
        append = u'@'
    mymarker = startwith
    while mymarker in text:
        mymarker += append
    return mymarker

def catquery(enlink):
    cats=[]  
    enlink=enlink.replace(u' ',u'_')
    params = {
                'action': 'query',
                'prop': 'categories',
                'titles': enlink,
                'redirects': 1,
                'cllimit':500,
            }
    try:
        categoryname = query.GetData(params,site)
        for item in categoryname[u'query'][u'pages']:
            categoryha=categoryname[u'query'][u'pages'][item][u'categories']
            break
        for cat in categoryha:
            cats.append(cat[u'title'])         
        return cats
    except: 
        return False

def fa_replaceExcept(text, old, new, exceptions,marker='', site=None):
    if site is None:
        site = pywikibot.getSite()

    exceptionRegexes = {
        'comment':      re.compile(r'(?s)<!--.*?-->'),
        'header':       re.compile(r'\r?\n=+.+=+ *\r?\n'),
        'pre':          re.compile(r'(?ism)<pre>.*?</pre>'),
        'source':       re.compile(r'(?is)<syntaxhighlight .*?</' + 'source>'),
        'category':     re.compile(ur'\[\['+site_category+ur'\:.*?\]\]'),
        'ref':          re.compile(r'(?ism)<ref[ >].*?</ref>'),
        'startspace':   re.compile(r'(?m)^ (.*?)$'),
        'table':        re.compile(r'(?ims)^{\|.*?^\|}|<table>.*?</table>'),
        'hyperlink':    compileLinkR(),
        'gallery':      re.compile(r'(?is)<gallery.*?>.*?</gallery>'),
        'link':         re.compile(r'\[\[[^\]\|]*(\|[^\]]*)?\]\]'),
        'URL':          re.compile(r'\[.*?\]'),
        'file':         re.compile(r'\[\[([fF]ile|پرونده|تصویر)\:[^\]\|]*(\|[^\]]*)?\]\]'),
        'interwiki':    re.compile(r'(?i)\[\[:?(%s)\s?:[^\]]*\]\][\s]*'
                                   % '|'.join(site.validLanguageLinks() +
                                              site.family.obsolete.keys())),
        'property':     re.compile(r'(?i)\{\{\s*#property:\s*p\d+\s*\}\}'),
        'invoke':       re.compile(r'(?i)\{\{\s*#invoke:.*?}\}'),
    }
    if isinstance(old, basestring):
        old = re.compile(old)

    dontTouchRegexes = []
    except_templates = False
    for exc in exceptions:
        if isinstance(exc, basestring):
            if exc in exceptionRegexes:
                dontTouchRegexes.append(exceptionRegexes[exc])
            elif exc == 'template':
                except_templates = True
            else:
                dontTouchRegexes.append(re.compile(r'(?is)<%s>.*?</%s>'
                                                   % (exc, exc)))
            if exc == 'source':
                dontTouchRegexes.append(re.compile(
                    r'(?is)<syntaxhighlight .*?

'))

       else:
           dontTouchRegexes.append(exc)
   if except_templates:
       marker1 = findmarker(text)
       marker2 = findmarker(text, u'##', u'#')
       Rvalue = re.compile('{{{.+?}}}')
       Rmarker1 = re.compile('%(mark)s(\d+)%(mark)s' % {'mark': marker1})
       Rmarker2 = re.compile('%(mark)s(\d+)%(mark)s' % {'mark': marker2})
       dontTouchRegexes.append(Rmarker1)
       origin = text
       values = {}
       count = 0
       for m in Rvalue.finditer(text):
           count += 1
           while u'}}}%d{{{' % count in origin:
               count += 1
           item = m.group()
           text = text.replace(item, '%s%d%s' % (marker2, count, marker2))
           values[count] = item
       inside = {}
       seen = set()
       count = 0
       while TEMP_REGEX.search(text) is not None:
           for m in TEMP_REGEX.finditer(text):
               item = m.group()
               if item in seen:
                   continue
               seen.add(item)
               count += 1
               while u'}}%d{{' % count in origin:
                   count += 1
               text = text.replace(item, '%s%d%s' % (marker1, count, marker1))
               for m2 in Rmarker1.finditer(item):
                   item = item.replace(m2.group(), inside[int(m2.group(1))])
               for m2 in Rmarker2.finditer(item):
                   item = item.replace(m2.group(), values[int(m2.group(1))])
               inside[count] = item
   index = 0
   markerpos = len(text)
   while True:
       match = old.search(text, index)
       if not match:
           break
       nextExceptionMatch = None
       for dontTouchR in dontTouchRegexes:
           excMatch = dontTouchR.search(text, index)
           if excMatch and (
                   nextExceptionMatch is None or
                   excMatch.start() < nextExceptionMatch.start()):
               nextExceptionMatch = excMatch
       if nextExceptionMatch is not None \
               and nextExceptionMatch.start() <= match.start():
           index = nextExceptionMatch.end()
       else:
           if callable(new):
               replacement = new(match)
           else:
               new = new.replace('\\n', '\n')
               replacement = new
               groupR = re.compile(r'\\(?P<number>\d+)|\\g<(?P<name>.+?)>')
               while True:
                   groupMatch = groupR.search(replacement)
                   if not groupMatch:
                       break
                   groupID = groupMatch.group('name') or \
                             int(groupMatch.group('number'))   
                   try:
                       replacement = replacement[:groupMatch.start()] + \
                                     match.group(groupID) + \
                                     replacement[groupMatch.end():]
                   except IndexError:
                       print '\nInvalid group reference:', groupID
                       print 'Groups found:\n', match.groups()
                       raise IndexError
           text = text[:match.start()] + replacement + text[match.end():]
           break
           index = match.start() + len(replacement)
           markerpos = match.start() + len(replacement)
       
   text = text[:markerpos] + marker + text[markerpos:]
   if except_templates: 
       for m2 in Rmarker1.finditer(text):
           text = text.replace(m2.group(), inside[int(m2.group(1))])
       for m2 in Rmarker2.finditer(text):
           text = text.replace(m2.group(), values[int(m2.group(1))])
   return text

def redirect_find( page_link,wiki):

   page_link=page_link.replace(u' ',u'_')
   site = wikipedia.getSite(wiki.replace(u'_',u'-'))
   params = {
       'action': 'query',
       'redirects':"",
       'titles': page_link
   }
   query_page = query.GetData(params,site)
   try:
       redirect_link=query_page[u'query'][u'redirects'][0]['to']
       return redirect_link
   except:
       if 'missing=""' in str(query_page):
           return False
       else:
           return page_link.replace(u'_',u' ')

def wikify(link):

           wikipedia.output(u'--------------'+link+'----------------')      
           counter=0
           passing=True
           item_in_text=[]
           page = wikipedia.Page(site,link )
           old_text=page.get()
           temp_list=templatequery(link)
           for i in no_templates:
               if i in temp_list:
                   passing=False
                   wikipedia.output(u'\03{lightblue}The page has '+i+' so it is passed\03{default}')
                   break
           if passing:
               Black_page = wikipedia.Page( site,Black_links)
               Black_List=Black_page.get().replace(u'*',u).replace(u'\r',u).split(u'\n')
               White_page = wikipedia.Page( site,White_Links)
               White_List=White_page.get().replace(u'*',u).replace(u'\r',u).split(u'\n')
               old_text,cleaning_version,msg_clean=fa_cosmetic_changes.fa_cosmetic_changes(old_text,page)
               old_text=old_text.replace(u'\r',u).strip()
               text=old_text
               text2=text
               exceptions = ['URL','math', 'template', 'timeline','comment','header','pre','source','category','ref','startspace','table','hyperlink','gallery','link','interwiki','property','invoke', 'inputbox']
               fa_links = len(page.linkedPages())
               page_size=sys.getsizeof(old_text)
               size_limitation=page_size/1000
               counter=fa_links
               added_item=u' '
               wikipedia.output(' Number of Links limitation = '+str(size_limitation-counter))
               for item in fa_link_list:
                   pass_root=True
                   if item.strip().find(u' ')==-1 or item.strip()==link.strip():
                       continue
                   if counter > size_limitation:
                      wikipedia.output(u'\03{lightred}Link limitation is Reached!\03{default}')
                      break
                   if old_text.find(item.strip())!=-1:
                       text3 = re.sub(ur"(\n|\*|\#|\s)"+item.strip()+ur"(\n|\.|\s|\،)", ur"",text)
                       if text3==text:
                           continue
                   else:
                       continue
                   if item not in Black_List:
                   
                   #if (old_text.find(u' '+item.strip()+u' ')!=-1 or old_text.find(u' '+item.strip()+u'،')!=-1 or old_text.find(u' '+item.strip()+u'.')!=-1 or old_text.find(u'\n'+item.strip()+u'\n')!=-1 or old_text.find(u'\n'+item.strip()+u' ')!=-1 or old_text.find(u' '+item.strip()+u'\n')!=-1) and (item not in Black_List):
                       for white in White_List:
                           if item in white and (old_text.find(u' '+white.strip()+u' ')!=-1 or old_text.find(u' '+white.strip()+u'\n')!=-1 or old_text.find(u'\n'+white.strip()+u' ')!=-1):
                                   item=white.strip()
                                   break
                       #--------------------------------
                       if old_text.find(u''+item.strip()+u'')!=-1:
                           wikipedia.output(u'\03{lightred}The link '+item+u' is in the text so it is passed!\03{default}')
                           item_in_text.append(item)
                           continue
                       #--------------------------------
                       for i in item_in_text:
                            if item in i:
                                pass_root=False
                                break
                       if not pass_root:
                           wikipedia.output(u'\03{lightblue}The link '+item+u' is part of a link in the text so it is passed!\03{default}')
                           continue
                       #--------------------------------
                       Item_R=redirect_find( item.strip(),original_lang)
                       if not Item_R:
                           continue
                       if old_text.find(u''+Item_R.strip()+u'')!=-1 or Item_R.strip()==link.strip() or item in link or Item_R in link:
                           wikipedia.output(u'\03{lightred}The link '+Item_R+' is in the text so it is passed!\03{default}')
                           continue
                       #---------------------------------------
                       item_cat=catquery(item)
                       if item_cat:
                           if film_cat in item_cat:
                               wikipedia.output(u'The '+item+u' was film link so it is passed!')
                               continue
                       #---------------------------------------
                       for i in item_cat:
                            if film_name in i:
                               pass_root=False
                               break
                       if not pass_root:
                           wikipedia.output(u'The '+item+ u' had film category so it is passed!')
                           continue
                       #----------------------------------------
                       temp_list=templatequery(item)
                       if not disambig_template in temp_list:
                           item_test=item
                           for i in no_words:
                               item_test=item_test.replace(i,u)
                           if item_test!=item:
                               wikipedia.output(u'\03{lightred}Link'+item+u' had bad characters!\03{default}')
                               continue
                           if item.split(u' ')[0] in no_fa_words or item.split(u' ')[-1] in no_fa_words:
                               wikipedia.output(u'\03{lightred}Link'+item+u' had bad characters!\03{default}')
                               continue
                           pre_text={ur'\s':u' ',ur'\n':u'\n',ur'\*':u'*',ur'\#':u'#'}
                           for i in pre_text:
                               if old_text==text and ( pre_text[i]+item.strip()+u' ' in old_text):
                                   text = fa_replaceExcept(old_text, i+item.strip()+ur'\s', pre_text[i]+ur''+item.strip()+ur' ', exceptions)
                               if old_text!=text:
                                   break
                               if old_text==text and ( pre_text[i]+item.strip()+u'\n' in old_text):
                                   text = fa_replaceExcept(old_text, i+item.strip()+ur'\n', pre_text[i]+ur''+item.strip()+ur'\n', exceptions)
                               if old_text!=text:
                                   break
                               if old_text==text and ( pre_text[i]+item.strip()+u'.' in old_text):
                                   text = fa_replaceExcept(old_text, i+item.strip()+ur'.', pre_text[i]+ur''+item.strip()+ur'.', exceptions)
                               if old_text!=text:
                                   break
                               if old_text==text and ( pre_text[i]+item.strip()+u'،' in old_text):
                                   text = fa_replaceExcept(old_text, i+item.strip()+ur'\،', pre_text[i]+ur''+item.strip()+ur'،', exceptions)
                               if old_text!=text:
                                   break
                           if old_text!=text:
                               counter+=1
                               wikipedia.output(u'\03{lightgreen}+ '+item+u'\03{default}')
                               old_text=text
                               added_item=added_item+u''+item+u'، '


               if text!=text2:
                   added_item=added_item.strip()[:-1]
                   if not hidden_cat.strip() in text:
                        text=text+hidden_cat
                   page.put(text,u'ویکی‌سازی رباتیک' +bot_version+u' >'+added_item +msg_clean)
                   wikipedia.output(u'Sleep for 60 seconds!')
                   time.sleep(180)

def main():

   gen=None
   preloadingGen=False
   PageTitles = []
   genFactory = pagegenerators.GeneratorFactory()
   for arg in wikipedia.handleArgs():
       if arg.startswith ('-new'):
           arg=arg.replace(':',)
           if len(arg) == 4:
               genfa = pagegenerators.NewpagesPageGenerator(200, False, site,0)
           else:
               genfa = pagegenerators.NewpagesPageGenerator(int(arg[4:]), False, site,0)
           
           preloadingGen = pagegenerators.PreloadingGenerator( genfa,60)
           break
       elif arg.startswith('-page'):
           if len( arg ) == 5:
               PageTitles.append( wikipedia.input( u'Which page do you want to chage?' ) )    
           else:
               PageTitles.append( arg[6:] )
           break
       elif arg.startswith('-file'):
           textfilename = arg[6:]
           if not textfilename:
               textfilename = pywikibot.input(
                   u'Please enter the local file name:')
           gen = pagegenerators.TextfilePageGenerator(textfilename,site=site)
       else:
           generator = genFactory.handleArg( arg )
           if generator:
               gen = generator
   if not gen:
       wikipedia.stopme()    
   if PageTitles:
       pages = [wikipedia.Page( site,PageTitle ) for PageTitle in PageTitles]
       gen = iter( pages )
   if not preloadingGen:
       preloadingGen = pagegenerators.PreloadingGenerator( gen,pageNumber = 60)
   for pages in preloadingGen:
       #try:
       wikify(pages.title())
       #except:
          #wikipedia.output('Code or system has an error !!')
          #pass

if __name__ == "__main__":

   login_wiki()
   main()

</syntaxhighlight>