修复Python 3.13正则表达式错误 | AI生成和翻译
您遇到的错误是因为 Python 3.13 对正则表达式语法比之前的版本更加严格。
具体来说，wikiextractor/extract.py 中（大约第 378 行）的这行代码在 Python 3.13 中现已无效：
ExtLinkBracketedRegex = re.compile(
'\\[(((?i)' + '|'.join(wgUrlProtocols) + ')' + EXT_LINK_URL_CLASS + r'+)\s*([^\\]\x00-\x08\x0a-\x1F]*?)\\]',
re.S | re.U)
问题在于内联的 (?i) 标志被放在了字符串连接之后的字符串中间。从 Python 3.12/3.13 开始，像 (?i) 这样的内联标志只允许出现在正则表达式模式的最开头，其他地方不再允许。
快速修复（适用于 Python 3.13）
编辑文件：
~/.local/lib/python3.13/site-packages/wikiextractor/extract.py
找到大约第 378 行，将损坏的代码块替换为以下修正版本：
# 旧的错误方式（在 Python 3.13 上失败）
# ExtLinkBracketedRegex = re.compile(
# '\\[(((?i)' + '|'.join(wgUrlProtocols) + ')' + EXT_LINK_URL_CLASS + r'+)\s*([^\\]\x00-\x08\x0a-\x1F]*?)\\]',
# re.S | re.U)
# 修正版本 – 将大小写不敏感标志移至 re.compile 的标志参数中
protocol_pattern = '|'.join(wgUrlProtocols)
ExtLinkBracketedRegex = re.compile(
r'\\['
r'(((' + protocol_pattern + r')' + EXT_LINK_URL_CLASS + r'+)'
r'\s*([^\\]\x00-\x08\x0a-\x1F]*?)\\])',
re.IGNORECASE | re.DOTALL | re.UNICODE
)
或者更简洁的方式（推荐）：
ExtLinkBracketedRegex = re.compile(
r'\\['
r'(((' + '|'.join(wgUrlProtocols) + r')' + EXT_LINK_URL_CLASS + r'+)'
r'\s*([^\\]\x00-\x08\x0a-\x1F]*?)\\])',
re.I | re.S | re.U
)
re.I 与 re.IGNORECASE 相同，可以作为标志传递给 re.compile，而不是在模式内部嵌入 (?i)。
替代解决方案
- 使用 Python 3.11 或 3.12（如果不想打补丁，这是最简单的方法）
python3.11 -m pip install wikiextractor # 然后使用 python3.11 wikiextractor ... 运行 - 使用已修复 Python 3.13 兼容性的维护分支：
pip uninstall wikiextractor pip install git+https://github.com/attardi/wikiextractor.gitGiuseppe Attardi 的分支已经更新以支持 Python 3.12+，并且在 3.13 上运行良好。
- 使用非常快速的现代替代方案（对于大型转储文件高度推荐）：
pip install wikiextractor-ng # 或者 "wiki-dump-tools", "wikitextprocessor" 等
应用补丁或切换到已修复的分支后，您的命令将再次正常工作：
wikiextractor *.bz2
如果您需要一行式补丁或自动修复的精确 sed 命令，请告诉我。