瞭解維基百科標題轉儲格式

Question

我從維基百科下載了最新的文章標題列表。它似乎包含某種標記，但我似乎無法找到任何文檔來幫助我理解「如何」或「什麼」可以被剝離。該文件是「enwiki - 最新款全titles.gz」，可以在這裏下載：

http://dumps.wikimedia.org/enwiki/latest/

我天真地去掉所有標點符號等，根據我自己的文本文件的意見，但最好有更多關於數據的信息，以便能夠以有意義的方式處理。

Answer 1

這不是標記，它是一個列表page_title。空格轉換爲下劃線等。