我有一个项目,我收集属于特定类别的所有维基百科文章,从维基百科中取出转储,并将其放入我们的数据库中.
所以我应该解析Wikipedia转储文件来完成这些工作.我们有一个有效的解析器来完成这项工作吗?我是一名python开发人员.所以我更喜欢python中的任何解析器.如果不建议一个,我将尝试在python中编写一个端口并将其贡献给Web,因此其他人可以使用它或者至少尝试一下.
所以我想要的是一个解析维基百科转储文件的python解析器.我开始编写一个手动解析器,它解析每个节点并完成所有工作.