将Wikia转储解析为链接图

Question

我试图从wikia转储中解析xml以提取子元素，然后在由[[和]]标识的文本中查找链接。因此，从下面的一个wiki的示例片段中我们可以得到

<mediawiki xmlns="http://www.mediawiki.org/xml/export-0.6/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.mediawiki.org/xml/export-0.6/ http://www.mediawiki.org/xml/export-0.6.xsd" version="0.6" xml:lang="en">
  <siteinfo>
    <sitename>Wookieepedia</sitename>
    <base>http:///10.8.66.74/wiki/Main_Page</base>
    <generator>MediaWiki 1.19.24</generator>
    <case>first-letter</case>
    <namespaces>
      <namespace key="-2" case="first-letter">Media</namespace>
...
      <namespace key="1202" case="first-letter">Message Wall Greeting</namespace>
    </namespaces>
  </siteinfo>
  <page>
    <title>Brianna</title>
    <ns>0</ns>
    <id>5</id>
...
    <text xml:space="preserve" bytes="36038">{{Eras|old|featured}}
{{Youmay|the [[Echani]] [[hybrid]]|the [[Brianna (Human)|Human]]}}
{{Character
|type=Jedi
...

上述内容将确定Brianna页面链接到Echani页面，以及“hybrina”和“Brianna（人类）”页面。在

有没有一个好的针对python的mediawiki解析工具可以解释这个问题？性能不是一个主要问题，因为这是离线完成的，而且这些wiki并不庞大。在

Answer 1

您的方法不合理：请改用links API。有多个Python clients。永远不要自己做wikitext解析，除非绝对强制！在

还要注意，对于所有wiki（除了小wiki）来说，Wikia的转储是完全中断的（在一个随机点截断）。另请参见https://archive.org/details/wikia_dump_20141219和https://github.com/Wikia/app/pull/6118#issuecomment-183633326