WikiExtractor
是一个Python脚本，可从中提取和清除文本。
该工具是用Python编写的，不需要Python 3，但没有其他库。 警告：由于Windows上的Python实现对StringIO支持不佳， StringIO在Windows上已报告问题。
有关更多信息，请参见 。
维基百科卷云提取器
cirrus-extractor.py是从Wikipedia Cirrus转储执行提取的脚本版本。 Cirrus转储包含带有已扩展模板的文本。
Cirrus转储位于： 。
细节
WikiExtractor通过预处理整个转储并提取模板定义来执行模板扩展。
为了加快处理速度：
多重处理用于并行处理文章
缓存中保留有已解析的模板（仅适用于重复提取）。
安装
该脚本可以直接调用：
python -m wikiextractor.WikiExtractor <Wikipedi
2022-05-14 20:09:44
47KB
1