从维基百科数据库转储生成纯文本

Question

我找到了一段Python脚本（在这里：Wikipedia Extractor），它可以从（英文）维基百科数据库备份中生成纯文本。

当我使用这个命令（就像脚本页面上写的那样）：

$ python enwiki-latest-pages-articles.xml WikiExtractor.py -b 500K -o extracted

我遇到了这个错误：

文件 "enwiki-latest-pages-articles.xml"，第1行 < mediawiki xmlns="http://www.mediawiki.org/xml/export-0.8/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.mediawiki.org/xml/export-0.8/http://www.mediawiki.org/xml/export-0.8.xsd" version="0.8" xml:lang="en">

^
SyntaxError: invalid syntax

我是在Windows 7上使用Python 2.7.6和Cygwin来执行这个脚本的。

我希望如果有人已经使用过这个脚本或者对Python有经验，可以帮我解决这个错误。

提前谢谢大家！

Answer 1

第一个传给 python 的参数应该是脚本的名字。

你可能需要把 xml 和 py 的文件名调换一下：

$ python WikiExtractor.py enwiki-latest-pages-articles.xml -b 500K -o extracted