我下载了一个维基百科转储，我想将维基格式转换为我的对象格式。是否有可用的wiki解析器将对象转换为XML？
答案 0 :(得分：7)
见java-wikipedia-parser。我从未使用它，但根据文档：
解析器附带一个HTML 发电机。但是你可以控制 正在生成的输出 传递你自己的实现
be.devijver.wikipedia.Visitor接口
答案 1 :(得分：2)
我不知道维基百科转储的xml格式究竟如何。但是，如果文本的一部分是维基百科标记，我建议调查http://lucene.apache.org/java/3_0_2/api/contrib-wikipedia/org/apache/lucene/wikipedia/analysis/WikipediaTokenizer.html。这是apache lucene的Wikipedia包的类之一。我没有使用它，但apache lucene是一个非常成熟的项目，所以值得尝试它 - 在这种情况下是实验 - 包。
答案 2 :(得分：2)
JWPL解析器使用MediaWiki标记分析文本结构，并将其表示为Java对象。这允许对例如内容的结构化访问。维基百科或维基词典。没有独立的解析器版本，因为它是JWPL Wikipedia API版本的一部分。但是，无需使用JWPL访问Wikipedia，就可以完美地使用它。
答案 3 :(得分：1)
这可能会有所帮助：a page with converters from mediawiki to other formats, including docbook。 Docbook是一种基于xml的标准格式，可能符合您的需求（mediawiki内容的xml表示）
答案 4 :(得分：0)
您可以使用各种工具来解析您的内容。所有脚本语言都有模块。 例如，Perl语言有Text::Markup::Trac，它是Text :: Markup的Trac wiki语法解析器。它会生成一个HTML文件。
答案 5 :(得分：0)
Wiki Parser将Wikipedia转储转换为已解析的XML。可能正是你所需要的。
答案 6 :(得分：-1)
你可以试试wikiprep这是一个perl维基百科解析器check it's page
它会输出许多文件，其中一些是
1-维基百科解析为XML 2- cat-hier文件，其中包含维基百科类别层次结构
我已经尝试过了，这非常有用 这是唯一的问题，它需要高内存可用于处理最可能超过4GB的RAM 您也可以从here下载预先准备好的XML版本，该版本也可以在页面上找到