Question

我想下载所有中文维基百科数据（文字+图片），我下载文章但是我对这些媒体文件感到困惑，而且远程媒体文件也非常庞大，它们是什么？我必须下载它们吗？

来自：http://ftpmirror.your.org/pub/wikimedia/imagedumps/tarballs/fulls/20121104/

zhwiki-20121104-local-media-1.tar   4.1G
zhwiki-20121104-remote-media-1.tar  69.9G
zhwiki-20121104-remote-media-2.tar  71.1G
zhwiki-20121104-remote-media-3.tar  69.3G
zhwiki-20121104-remote-media-4.tar  48.9G

谢谢！

Answer 1

我认为它们是维基共享资源中包含的媒体文件，这些文章是文章中的大部分图像。来自https://wikitech.wikimedia.org/wiki/Dumps/media：

对于每个wiki，我们通过/backups/imageinfo/wmfgetremoteimages.py转储图像，图像链接和重定向表。文件将写入/ data / xmldatadumps / public / other / imageinfo / on dataset2。

从上面我们生成每个wiki的所有远程存储（即公共）媒体的列表，使用不同的args到同一个脚本。

对于来自中文维基百科的所有文件来说，这并不是那么大： - ）

要为所有维基百科图像下载哪些文件

1 个答案: