文件名称：dataset.wikimedia-cirrus:下载Wikimedia或Cirrus转储
文件大小：5KB
文件格式：ZIP
更新时间：2024-05-08 02:45:35
数据集：Wikimedia Dumps / Cirrus 下载或使用的 。 Wikipedia存档有两种格式，一种是Wikimedia转储，其中包含需要扩展的模板；另一种是已扩展的Cirrus转储，可以直接下载和使用（推荐选项）。 由于Cirrus转储看起来相对干净，并且由于wikiextractor.py难以改进，因此推荐的方法是仅使用Cirrus转储。 Wikiextractor作为存在，按如下所示激活它： $ git submodule init $ git submodule update 卷云 $ ./get-links.sh [language-code] # downloads to [language-code].cirrus-links.txt $ ./download-cirrus.sh [file] # uses [language-code].cirrus-
【文件预览】：
dataset.wikimedia-cirrus-master
----.gitignore(53B)
----extract-wikimedia.sh(906B)
----download-cirrus.sh(773B)
----download-wikimedia.sh(1KB)
----wikiextractor()
----README.md(2KB)
----extract-cirrus.sh(481B)
----utils.sh(356B)
----get-links.sh(966B)