文件名称：WikiParser:快速的基于C ++的英语*解析器
文件大小：12.26MB
文件格式：ZIP
更新时间：2024-05-17 06:40:23
C++
Wiki Parser：英语*的高性能数据提取器 Wiki解析器是一种高性能的解析器，旨在使Wikipedia可以更容易地访问数据挖掘和文本分析。 *是用一种相当棘手的格式语言编写的，叫做 ; Wiki解析器将MediaWiki格式的Wikipedia页面转换为常规的人类可读文本和标准XML。 在XML输出中，每个Wikipedia页面都表示为一个抽象语法树（AST），该树保留页面结构（标题，第一段，各节及其标题）以及诸如链接，图像引用，信息框模板等元素。 尽管许多Wikipedia解析器，但Wiki Parser属于其自身性能类别。 它可以在现代计算机上大约2-3小时内将英语*的完整转储（截至2018年7月，未压缩为66 GB）解析为纯文本和XML，这比其他解析器快10-100倍。 速度优势主要是由于仅很少使用正则表达式的多线程C ++代码。 提供了64位Wind