Skip to content

README.md

Latest commit

 

History

History
29 lines (20 loc) · 1007 Bytes

README.md

File metadata and controls

29 lines (20 loc) · 1007 Bytes

Python WebScraper for Wikipedia (PT)

Este é um script simples em Python que utiliza as bibliotecas requests e re para extrair dados de artigos da Wikipédia em Português (pt.wikipedia.org). O script foi projetado para ser leve e não ter dependências complexas.

O que ele extrai?

Ao fornecer a URL de um artigo, o script irá extrair e imprimir no terminal três tipos de informação:

  1. Sumário (TOC): Os títulos das seções principais do artigo.
  2. Nomes dos Arquivos de Imagem: O nome dos arquivos de imagem (ex: Python_logo_and_wordmark.svg).
  3. Links Internos: Links para outros artigos dentro da própria Wikipédia. Links para seções da mesma página (#) ou para outras áreas (ex: Ficheiro:) são ignorados.

Como usar

Requisitos

  • Python 3.x
  • Biblioteca requests

Instalação

Clone o repositório e instale a dependência:

git clone https://github.com/YuriCMarinho/WebScraper.git
cd WebScraper
pip install requests