从 Wiki 转储中获取跨语言链接

Question

我正在尝试从维基百科转储中提取中间语言链接。这些链接似乎已移至 WikiData 项目，并且仅通过 API 提供访问权限。

此分支解释了如何处理该问题并建议切换到 API： 从导出的维基百科文章中检索中间语言链接？

然而，我的研究范围似乎太大，无法使用 Web API（数百万个查询）。有谁知道是否可以从 API 之外的任何地方提取这些链接？解析任意大小的转储比查询 API 更可取。

我使用的维基百科转储： http ://dumps.wikimedia.org/backup-index.html

我使用的维基数据转储： http://dumps.wikimedia.org/wikidatawiki/latest/

Answer 1

Wikidata Toolkit是一个非常优秀的库，可以轻松处理 Wikidata 转储，它为您抽象了很多细节。在最新版本中，0.3有越来越多的示例脚本可以帮助完成像您这样的基本任务。在示例自述文件中我们发现SitelinksExample.java：

该程序展示了如何获取有关维基数据转储中使用的站点链接的信息。维基媒体项目的链接使用诸如“enwiki”（英语维基百科）或“hewikivoyage”（希伯来语 WikiVoyage）之类的键。为了找出这些代码的含义，并为这些项目的文章创建 URL，Wikidata Toolkit 包含了一些简单的函数，可以下载和处理给定项目的站点链接信息。此示例展示了如何使用此功能。