0
我一直在尋找維基百科轉儲解析器轉換爲可自定義的xml，基本上每篇文章都應該被解析爲一組章節標籤，其中包含文章的部分純文本。我想出了以下解決方案將維基百科轉儲解析爲保存結構（部分）的純文本
與第一個問題是，它僅適用於Windows和第二不給能夠在嵌套的xml方案中生成節。 mwlib的以前的實施似乎提供這樣的功能，但遺憾的是新版本不是。有什麼可以產生可定製的xmls的Linux上的任何維基百科xml轉儲解析器？
A
回答
0
我認爲這是可行的使用jsonwikipedia [1]。它會從維基百科XML轉儲中生成一個「json轉儲」。在jsonwikipedia和其他工具的更多細節在這篇博客文章[2]
[1] - https://github.com/idio/json-wikipedia
[2] - http://engineering.idioplatform.com/2016/02/18/wikipedia-toolkit.html
相關問題
- 1. 解析維基百科轉儲
- 2. 簡單的維基百科文本到純文本分析器？
- 3. 從維基百科數據庫轉儲生成純文本
- 4. 解析XML維基百科
- 5. 解析維基百科類
- 6. 維基百科解析器
- 7. 解析維基百科轉儲（.xml文件）
- 8. 如何分解和分析特定維基百科文本
- 9. 使用python轉換維基百科轉儲爲文本-m gensim.scripts.make_wiki
- 10. 維基百科轉儲文件
- 11. 處理維基百科轉儲文件
- 12. 解析Groovy中的維基百科xml轉儲
- 13. 如何解析維基百科轉儲以創建鏈接圖？
- 14. 將維基百科頁面部分轉換爲NSString Objective-C
- 15. 如何檢測維基百科頁面中的部分轉儲
- 16. 解析出維基百科的IPAc
- 17. 維基百科的HTML結構
- 18. Lucene的維基百科轉儲
- 19. 解析維基百科Pagelink數據集
- 20. 解析維基百科XML和Java
- 21. 解析維基百科頁表問題
- 22. 解析維基百科介紹PHP
- 23. 刮和解析維基百科頁面
- 24. python3解析和維基百科頁面
- 25. 多數據轉儲維基百科
- 26. 使用大* .bz2（維基百科轉儲）
- 27. 導入維基百科轉儲到MySql
- 28. 提取結構鬆散的維基百科文本。 html
- 29. 維基百科API：將表格解析爲JSON？
- 30. 從維基百科轉儲提取並行文本