Python：查找網站語言的腳本

Question

大家好，

我正在嘗試在 Python 中編寫一個程序來自動檢查網站語言。 我的腳本查看 HTML header，確定字符串“lang”出現的位置，並打印相應的語言。 我使用模塊“請求”。

request = requests.get('https://en.wikipedia.org/wiki/Main_Page')
splitted_text = request.text.split()
matching = [s for s in splitted_text if "lang=" in s]
language_website = matching[0].split('=')[1]
print(language_website[1:3])

>>> en

我已經在幾個網站上對其進行了測試，並且它可以正常工作（假設語言首先在 HTML 中正確配置，這可能適用於我在研究中考慮的網站）。

我的問題是：是否有更直接/一致/系統的方式來實現相同的目標。 如何使用 python 查看 HTML 並返回網站編寫的語言？ 例如，有沒有更快的方法使用 lxml （不涉及像我一樣解析字符串）？

我知道之前有人問過如何查找網站語言的問題，並且提到了使用 HTML header 檢索語言的方法，但它沒有開發，也沒有建議任何代碼，所以我認為這篇文章是相當不同的。

非常感謝你，祝你有美好的一天，Berti

Answer 1

你可以試試這個：

import requests

request = requests.head('https://en.wikipedia.org/wiki/Main_Page')
print(request.headers["Content-language"])

Answer 2

如果您有興趣從頁面源獲取數據。 這可能會有所幫助。

import lxml
request = requests.get('https://en.wikipedia.org/wiki/Main_Page')
root = lxml.html.fromstring(request.text)
language_construct = root.xpath("//html/@lang") # this xpath is reliable(in long-term), since this is a standard construct.

language = "Not found in page source"
if language_construct:
      language = language_construct[0]
print(language)

注意：此方法不會為所有網頁提供結果，只會為包含 HTML 語言代碼參考的網頁提供結果。

有關更多信息，請參閱https://www.w3schools.com/tags/ref_language_codes.asp 。

Answer 3

結合以上反應

import requests
request = requests.head('https://en.wikipedia.org/wiki/Main_Page')
print(request.headers.get("Content-language", "Not found in page source"))