近日（指一年前开始）从萌娘百科获取了大量中文 VOCALOID 相关统计数据：Project Midango / vocaloid-china-biliran-data
在此记录从萌娘百科以及类似的基于 MediaWiki 的网站获取数据（特别是模板数据等格式化的数据）的一般方法（以及一些经验总结)
本文使用 Python 进行数据处理，并且会大量使用正则表达式进行字符串匹配
MediaWiki 相关内容
MediaWiki 是一个基于 PHP 的 Wiki 引擎，可以用于多用户共同编辑内容。MediaWiki 有一种自己的标记语言用于渲染输出 HTML 内容（即网站上的 “源代码”，也称为 Wikitext）。
MediaWiki 的入口文件是一个 index.php。萌娘百科的入口文件直接位于 https://zh.moegirl.org.cn/index.php。（但其他大多数 Wiki 站点的入口文件都在 /w/index.php，萌娘百科这种直接位于根目录的反而是特例）
访问 Wiki 页面时，向该 index.php 提交一组 action 和 title 参数。其中 title 是访问页面的标题；action 决定具体操作，如
view为查看页面，普通 Wiki 读者在绝大多数时间都使用该参数访问页面。本质上的作用是请求服务器将 Wikitext 渲染成 HTML 并返回。edit为编辑页面，即查看并编辑页面的 Wikitext。当权限不足时，仅提供查看功能，本质上是将编辑区设置为readonly且关闭了提交功能。history为查看页面编辑历史。purge为强制刷新当前页面缓存。（原生 Mediawiki 并没有为这一操作直接提供按钮，但不少插件提供该功能）raw直接返回当前页面的 Wikitext。比起从view爬取数据，直接使用 Wikitext 可以大大减少用于调整格式的 HTML 标签的数据量，同时能更加简单高效地对 Wiki 模板进行识别和处理。（感谢 Wikiplus，是在研究该插件的实现原理的时候发现的）