来自转储的Wikipedia类别层次结构

Question

使用Wikipedia的转储我想为其类别构建层次结构.我已经下载了主转储(enwiki-latest-pages-articles)和类别SQL转储(enwiki-latest-category).但我找不到层次结构信息.

例如,SQL类别的转储包含每个类别的条目,但我找不到任何关于它们如何相互关联的信息.

另一个转储(latest-pages-articles)表示每个页面的父类别,但是以无序方式.它只是陈述了所有的父母.

我见过wikiprep的类别层次结构(http://www.cs.technion.ac.il/~gabr/resources/code/wikiprep/)......这个是如何构建的？Wikiprep列出了类别ID,而不是其名称.有没有办法获得每个ID的名称？

Answer 1

MediaWiki中的类别层次结构信息存储在categorylinks表中,因此您将需要categorylinks转储.

您还需要将page(不pages-articles)转储页面ID转换为标题映射.