如何从维基百科页面VB.net的xml获取段落文本

Question

问题的一小部分背景：我正在vb.net中开发一个NLP（自然语言处理）应用程序，我决定使用维基百科作为我的训练文本集。

我已将Wikipedia下载为XML文件，但我无法提取纯文本。我一直在尝试使用正则表达式从xml文件中获取段落的文本，但它似乎并没有很好地工作。我遇到的问题是当你查看一个wiki页面时（例如：Anarchism on Wiki），内部链接（到其他wiki文章）只是作为文本显示，但在xml文件中它们显示如下：[[自由联想（共产主义和无政府主义）|自由联想]]。我不想要方括号，因为这只是链接的格式，我不想要第二页ID（自由关联），因为这不是文本对读者的显示方式。还有我不想删除的样式问题（我很确定我可以用正则表达式来解决这个问题，我目前正在使用Dim expression As New Regex("/\<[a-z0-9\ ]+\>/")。

要从xml文件中获取实际文本，我正在使用它：

Dim reader As XmlTextReader = New XmlTextReader("location of xml file")    

Do While (reader.Read())
                Select Case reader.NodeType
                    Case XmlNodeType.Text 'Display the text in each element.
                         'code goes here
                End Select

Loop

我一直在寻找互联网寻求帮助，我找到了一些有用的文章，但到目前为止，我的代码仍然无效。任何帮助（甚至是有用的链接）都会很棒！

谢谢！