wikimedia-dumps

1зной

1ответ

Spark и Python пытаются разобрать википедию с помощью gensim

Основываясь на моем предыдущем вопросе Spark and Python use custom file format/generator as input for RDD Я думаю, что я должен разбираться в основном с любым вводом sc.textFile(), а затем использоват

python apache-spark gensim wikimedia-dumps 2014-10-05

---

2зной

2ответ

R XML: Как получить узел с заданным значением

Вот фрагмент из файла XML Я использую: <page> <title>AccessibleComputing</title> <ns>0</ns> <id>10</id> <redirect title="Computer accessibility" /> <revision> <id>3812025

r xml-parsing wikimedia-dumps 2013-03-07

---

1зной

1ответ

Альтернатива .readLine()/readLine возвращает только списки

Я использую строку чтения, чтобы получить текст из Википедии. Но чтение строки возвращает только списки, а не текст, который я хочу. Есть ли способ использовать альтернативу или решить мою проблему? p

java eclipse bufferedreader readline wikimedia-dumps 2011-06-02

---

3зной

1ответ

Есть ли способ получить статистику посещений wikipedia на странице в зерне * country * (вместо простого языка)?

Я вижу, например, dumps.wikimedia.org/other/pagecounts-raw/, но данных по конкретной стране нет ...

wikipedia wikimedia wikimedia-dumps 2015-02-11

---

1зной

1ответ

Разбор XML-дампа MediaWiki wiki

Я пытаюсь разобрать дамп XML из Викисловаря, но, вероятно, я чего-то не хватает, так как я ничего не получаю в качестве вывода. Это аналогично, но намного короче XML-файл: <mediawiki xmlns="http://www

python xml elementtree wiktionary wikimedia-dumps 2013-05-14

---

0зной

1ответ

Regex (или нет?): Закодировать все < > & в файле XML и сохранить разметку XML

Я подражаю большому файлу xml, который я готов импортировать в mediawiki. Файл сделан, но содержимое в <text>content</text> еще осталось < и > Я должен сначала закодировать. Желательно, чтобы шаг коди

regex xml encode entities wikimedia-dumps 2015-02-22

---

0зной

2ответ

Как улучшить производительность при работе с данными в википедии и огромным нет. веб-страниц?

Я должен извлечь репрезентативные термины с веб-сайта организации, используя дамп данных статьи-ссылки wikipedia. Для достижения этой цели Я - Просканировано веб-страниц & загружающие организации. (~

java hadoop ontology text-mining wikimedia-dumps 2014-01-23

---

12зной

2ответ

Пустой список вернулся из ElementTree findall

Я новичок в разборе xml и Python, так что несите меня. Я использую lxml для анализа дампа wiki, но я просто хочу, чтобы для каждой страницы, ее названия и текста. Сейчас у меня есть это: from xml.etre

python xml parsing elementtree wikimedia-dumps 2013-12-06

---