Mediawiki 理解维基媒体转储

我正在试着分析这个问题。更具体地说，我想获得页面下的所有页面。为此，我下载了

https://dumps.wikimedia.org/enwikisource/latest/enwikisource-latest-pages-articles.xml.bz2

dump。在此转储中，相关页面包含除实际链接以外的所有内容：

类别:歌谣
14
115796
4753508
4003780
2014-01-25T16:21:08Z
埃马斯博特
983607
Bot:Migrating 2个interwiki链接，现在由[[Wikipedia:Wikidata | Wikidata]]在[[d:Q8286819]]上提供
维基文本
text/x-wiki
[[类别：歌词]]
[[类别：形式诗]]
43EUSQPJ6KAQCP6NL1TCMO4ASS36IA

我的问题是，如何获得实际的页面内容和该页面中的所有链接

---

谢谢大家!

您下载了错误版本的转储文件。例如，如果你对分类链接感兴趣，你需要下载

如果您想要XML格式，您需要自己从原始wikitext解析这些信息。为此，您可以使用

按评论编辑：

---

enwikisource最新页面meta current.xml

不包含有关类别的机器可读信息，它只包含有关当前页面内容的信息。您需要查找文本XML元素，该元素包含页面中存储的原始wikitext。通常，在内容末尾，它有如下内容：

[[Category:American Civil War]]
[[category:American speeches]]

这表明该页面属于“美国内战”和“美国演讲”类别

---

如果需要解析的信息，则需要处理.sql文件AFAIK。

谢谢您的回答。我也尝试了MetaXML，得到了同样的结果。我还尝试将sql转储导入sqlite数据库，但出现语法错误。我不希望为此任务运行MySQL。

enwikisource最新页面meta current.xml

没有关于类别本身的信息，但它确实包含文章内容；您需要解析文章内容以获取关于类别的数据。我将更新答案来解释.Ad导入sqlite，这是因为mysql/mariadb SQL风格与sqlite使用的风格不同。我对答案进行了编辑，以解释如何使用meta-xml文件。