从Wikipedia数据库转储生成纯文本

Question

我发现了一个可以从here: Wikipedia Extractor生成纯文本的Python脚本（(English) Wikipedia database dump）。 当我使用此命令时（如脚本页面上所述）：

$ python enwiki-latest-pages-articles.xml WikiExtractor.py -b 500K -o extracted

我收到此错误：

  

文件“enwiki-latest-pages-articles.xml”，第1行   ＆LT; mediawiki xmlns =“http://www.mediawiki.org/xml/export-0.8/”xmlns：xsi =“http://www.w3.org/2001/XMLSchema-instance”xsi：schemaLocation =“http：/ /www.mediawiki.org/xml/export-0.8/http://www.mediawiki.org/xml/export-0.8.xsd“version =”0.8“xml：lang =”en“＆gt;

^
SyntaxError: invalid syntax

我正在使用Python 2.7.6＆amp ;;执行脚本。 Windows 7上的Cygwin。

我希望如果有人已经使用过这个脚本或使用Python的经验可以帮助我解决这个错误。

提前致谢！

Answer 1

python的第一个参数应该是脚本名称。

您可能需要交换xml和py文件名：

$ python WikiExtractor.py enwiki-latest-pages-articles.xml -b 500K -o extracted