我制作英文维基百科时遇到麻烦.

xtwfyvcb · 发表于 2010-4-23 15:42:09

1.我看下载原数据时,有好多个文件,不过我跟据自己的看法下了enwiki-20100312-pages-articles.xml.bz2.
不知道对不对,请大家说说,是不是用这个文件.
2.解压后25.4G.太大了.我打算用minirain的Wiki2TXTv2.1.exe做.但是剩余时间超过了14400分钟.我现在在念大学.每天晚上要断电的.请问怎么把XML文件分割后转换.
我看他的说明是用SplitXmlAndCollectTitles0.4.exe分解.请问,这个程度在哪里下载.我在网上找了,找不到.或者用其它的分解软件也行,请告诉我下载地址和教程.
3,当分解后是不是分别用Wiki2TXTv2.1.exe转换后,再用工具合并,合并后在用MdxBuilder制作?请问要用什么工具,怎么弄,谢了.......
就这么多了.
谢谢大家了.如果我能做出来,就算让我的电脑一直转一星期也没问题得..关键是嘿嘿 ,我这里要断电,要分开做....

发哥 · 发表于 2010-4-23 20:45:01

可以让minirain老大给你写个分条转换的wiki2txt
短信pm他即可。呵呵

philostone · 发表于 2010-4-23 23:04:11

本帖最后由 philostone 于 2010-4-24 07:28 编辑

这是分割工具

Split.rar (489.95 KB, 下载次数: 8) ，DOS下运行，输入需要分割成的文件体积（MB为单位）即可。
前段时间我试做过3月12日版的。最后做出来的文件有4.76G（合并时因为空间有限直接删了切开的文件）。单个文件超过4G没办法在PPC上用，所以没打算上传！（附的两张图即为该文件PC使用效果图）
如果维基4月下旬或5月上旬更新数据的话，我想应该学发哥上一版本的做法，分为两个文件来做，以便能放到卡上用。
做法的确是：
1.下载pages-articles.xml.bz2文件；
2.解压并SplitXmlAndCollectTitles0.4.exe分割（建议分为8至9个文件）；
3.用WIKI2(TO)TXT工具转换为TXT文件；
4.用MDXBUILDER试转每个TXT文件，以便发现其中存在的问题，主要是几处词条题目超过1024字节；
5.修正几处词条题目超过1024字节的问题（大约有6、7处，记不清了），使用UE32比较好；
6.用TXTFOREVER合并TXT为两部分；
7.用MDXBUILDER转换……

xtwfyvcb · 发表于 2010-4-24 12:06:42

3# philostone
那算了,我还是不做了.....PPC上不能用,没意义得....不过老大能否把你做的精简一点点,控制在3.8G,再上传.在下感激不尽.......

philostone · 发表于 2010-4-24 13:24:05

因为3月12日版的数据是我第一次成功做成的英文维基百科，所以做的时候想得比较少。做完就删了XML和TXT文件，往卡上拷贝才发现问题。虽然知道像发哥上一版那样做成两个MDX文件就可以在PPC上用了。而且由于MDict词典的联合功能把两部分合在一起用应该没问题。但我已经不想再花时间去改做这个版本的MDX文件了。
而精简恐怕只能在分块转为TXT后，没合并前进行。但那些体积巨大的TXT我已经删了！
即使没删，在不伤主体内容的情况下打开编辑并精简掉7、8百兆也是极为困难的。
另外，如果你想试着做的话，最后一步应该用MDXBUILDER“大文件特别版”（论坛软件部分置顶帖里有）来转换TXT为MDX。
4# xtwfyvcb

[求助] 我制作英文维基百科时遇到麻烦.