安装使用离线版本的维基百科(Wikipedia)
1 相关背景
平常大家在上网查询一些基本概念的时候常常会参考维基百科上面的资料,但是由于方校长研制的GFW(长城防火墙系统)强大的屏蔽功能,好多链接打开以后,不出意外会出现著名的“404NOT FOUND”,下载离线版的维基百科就可以轻松解决这个问题喽,而且维基百科中文版和英文版查询时都是十分的方便(下载维基数据库源文件可能稍微费时)。
我的计算机环境是windows 7.
2 需要下载的文件和软件
需要下载两个文件:WikiTaxi阅读检索工具和离线wikipedia的数据文件。
① 阅读检索工具wikiTaxi的下载链接:
② 离线版维基数据文件的下载地址:http://zh.wikipedia.org/wiki/Wikipedia:%E6%95%B0%E6%8D%AE%E5%BA%93%E4%B8%8B%E8%BD%BD
如下图所示 :
点击中文版下载处的链接,在一串以日期命名的列表中,选择最近的日期的链接,例如我选择的是20130712,点击进入,点击名称为:zhwiki-20130712-pages-articles.xml.bz2的文件进行下载。如图所示:
3 软件的安装使用
WikiTaxi是一个小巧的绿色免安装版的软件,下载以后解压缩就可以直接使用。
首先把wikiTaxi的压缩包(解压缩以后可以直接使用,无需安装)和离线版维基的数据库文件(此文件不需要解压缩)放到同一个文件加下,便于操作。如下图所示(图中的WikiTaxi已经解压缩):
然后打开WikiTaxi_1.3.0文件夹,如下图所示
这时,我们就可以开始导入离线维基百科数据库的工作了,
先新建一个文本文档“CH_Wiki.txt”(新建文本文档的名字可以随意命名为别的名称),把此文本文档的后缀名称改为“.taxi”(如上图所示,是改好后的效果)。
打开WikiTaxi_Importer.exe文件,①选择离线文件路径;②选择新建好的CH_Wiki.txt文件的路径,如下图所示:
路径选择好以后,直接点击Import Now! 按钮就可以了。
整个导入过程大概要十几分钟左右。
写入完成以后关掉这个小窗口,我们找到WikiTaxi,exe ,双击运行就可以查询。
程序运行效果图一:
效果图二:
注意:
1、英文版的wiki,安装使用方法是类似的,但是数据库文件较大在9G左右,请大家合理分配硬盘空间。
2、下载数据库源文件的时候一定要下载名称为“zhwiki-XXXXXXXX-pages-articles.xml.bz2”(其中XXXXXX为具体的时间),例如我下载的是“zhwiki-20130712-pages-articles.xml.bz2”,如果下载错误的数据库文件,会在用“WikiTaxi_Importer”写入的时候出现错误。
3、参考文章,一并表示感谢
③:WikiTaxi网站(官方网站)
安装使用离线版本的维基百科(Wikipedia)的更多相关文章
- JWPL工具处理维基百科wikipedia数据用于NLP
JWPL处理维基百科数据用于NLP 处理zhwiki JWPL是一个Wikipedia处理工具,主要功能是将Wikipedia dump的文件经过处理.优化导入mysql数据库,用于NLP过程.以下以 ...
- 搜索和浏览离线 Wikipedia 维基百科(中/英)数据工具
为什么使用离线维基百科?一是因为最近英文维基百科被封,无法访问:二是不受网络限制,使用方便,缺点是不能及时更新,可能会有不影响阅读的乱码. 目前,主要有两种工具用来搜索和浏览离线维基百科数据:Kiwi ...
- 使用JWPL (Java Wikipedia Library)操作维基百科数据
使用JWPL (Java Wikipedia Library)操作维基百科数据 1. JWPL介绍 JWPL(Java Wikipedia Library)是一个开源的访问wikipeida数据的Ja ...
- 110G离线维基百科数据免费拿
110G离线维基百科数据免费拿.. 资料获取方式,关注公总号RaoRao1994,查看往期精彩-所有文章,即可获取资源下载链接 更多资源获取,请关注公总号RaoRao1994
- wikipedia 维基百科 语料 获取 与 提取 处理 by python3.5
英文维基百科 https://dumps.wikimedia.org/enwiki/ 中文维基百科 https://dumps.wikimedia.org/zhwiki/ 全部语言的列表 https: ...
- 中英文维基百科语料上的Word2Vec实验
最近试了一下Word2Vec, GloVe 以及对应的python版本 gensim word2vec 和 python-glove,就有心在一个更大规模的语料上测试一下,自然而然维基百科的语料进入了 ...
- 学习笔记TF018:词向量、维基百科语料库训练词向量模型
词向量嵌入需要高效率处理大规模文本语料库.word2vec.简单方式,词送入独热编码(one-hot encoding)学习系统,长度为词汇表长度的向量,词语对应位置元素为1,其余元素为0.向量维数很 ...
- Windows下基于python3使用word2vec训练中文维基百科语料(一)
在进行自然语言处理之前,首先需要一个语料,这里选择维基百科中文语料,由于维基百科是 .xml.bz2文件,所以要将其转换成.txt文件,下面就是相关步骤: 步骤一:下载维基百科中文语料 https:/ ...
- 维基百科 MediaWiki API 解析
使用开放的 API 做一个自己的小项目,是一个很好的学习方法.但好像开放的 API 选择并不多.这里给大家多一个选择,简单介绍一下维基百科使用的 MediaWiki API. 简介 先简单介绍几个容易 ...
随机推荐
- bzoj 2451 Uyuw's Concert
裸的半平面交.感觉这些东西,纯属在考代码能力啊.. #include<cstdio> #include<algorithm> #include<cmath> #de ...
- [LeetCode] 929. Unique Email Addresses 独特的邮件地址
Every email consists of a local name and a domain name, separated by the @ sign. For example, in ali ...
- mybatis xml <if>判断字符串相等
mybatis 映射文件中,if标签判断字符串相等,两种方式: 因为mybatis映射文件,是使用的ognl表达式,所以在判断字符串sex变量是否是字符串Y的时候, <if test=" ...
- 003、mysql输出多个结果
SELECT VERSION(); SELECT NOW(); 结果1: 结果2: 不忘初心,如果您认为这篇文章有价值,认同作者的付出,可以微信二维码打赏任意金额给作者(微信号:382477247)哦 ...
- HDU 1576:A/B
A/B Time Limit: 1000/1000 MS (Java/Others) Memory Limit: 32768/32768 K (Java/Others) Total Submis ...
- JS - 局部方法改变全局变量的值
var a = "" function aa() { a="卡卡" } aa() // 注意,aa() 一定要执行,局部赋值全局变量才会有作用 aler ...
- 剑指offer_1.18_Day_2
怠惰怠惰,好好练练了要 二维数组中查找 在一个二维数组中(每个一维数组的长度相同),每一行都按照从左到右递增的顺序排序,每一列都按照从上到下递增的顺序排序.请完成一个函数,输入这样的一个二维数组和一个 ...
- 「黑科技」智能消毒防疫机器人 技术方案介绍-disinfection robot
消毒机器人 小新防疫消杀机器人 - 自主导航全方位360°臭氧杀菌消毒机器人,采用臭氧无阻碍.无死角.遍布整个空间除菌:强力涡轮风机,30㎡室内空气循环6次/h,10分钟速效杀菌.除异味.自动转化为氧 ...
- SQL字符替换函数translater, replace
translate() 函数原型是:translate(string, from, to) SELECT TRANSLATE('12345', '134', 'ax') 得到:a2x5 这个函数会把f ...
- cf1208 E Let Them Slide(差分+RMQ\单调队列)
题意 如题目的图所示,每行都可以左右移动,但是数字不允许断开,且不许越界(宽度为w). 单独求每一列的最大的和为多少. 思路 对于每一列来说,在每一行上都有一个可以取到的区间, 所以,对于一列来说,答 ...