從維基百科數據庫轉儲生成純文本

我發現了一個Python腳本（here: Wikipedia Extractor），可以從(English) Wikipedia database dump生成純文本。當我使用這個命令（因爲它的腳本的頁面上註明）：從維基百科數據庫轉儲生成純文本

$ python enwiki-latest-pages-articles.xml WikiExtractor.py -b 500K -o extracted

我得到這個錯誤：

File "enwiki-latest-pages-articles.xml", line 1 < mediawiki xmlns="http://www.mediawiki.org/xml/export-0.8/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.mediawiki.org/xml/export-0.8/http://www.mediawiki.org/xml/export-0.8.xsd" version="0.8" xml:lang="en">

^ 
SyntaxError: invalid syntax

我執行使用Python 2.7.6 &腳本Cygwin在Windows 7上。

我希望如果有人已經使用過這個腳本或者Python的經驗可以幫我解決這個錯誤。

在此先感謝！

來源

2014-03-31 Asim

python的第一個參數應該是腳本名稱。

你可能需要更換xml和py文件名：

$ python WikiExtractor.py enwiki-latest-pages-articles.xml -b 500K -o extracted

來源

2014-03-31 21:56:41 alecxe

感謝您的答覆。雖然正確的順序是我在腳本的頁面中說明的，但我嘗試了你的建議並得到了這個結果：「用法：WikiExtractor.py [options]」，這意味着文件名應該在第一位。 – Asim

@Asim我認爲你幾乎是正確的 - 在文件內容方面應該通過管道提取到wiki提取器，比如'cat enwiki-latest-pages-articles.xml | python WikiExtractor.py -b 500K -o提取。試一試。 – alecxe

哇，終於有效了！非常感謝你，我真的很感激。 – Asim

從維基百科數據庫轉儲生成純文本

回答

相關問題