dump - 所有维基百科图像要下载哪些文件

Question

我想下载所有中文维基百科数据(文本+图像)，我下载了文章，但我对这些媒体文件感到困惑，而且远程媒体文件非常大，它们是什么？我必须下载它们吗？

来自:http://ftpmirror.your.org/pub/wikimedia/imagedumps/tarballs/fulls/20121104/

zhwiki-20121104-local-media-1.tar   4.1G
zhwiki-20121104-remote-media-1.tar  69.9G
zhwiki-20121104-remote-media-2.tar  71.1G
zhwiki-20121104-remote-media-3.tar  69.3G
zhwiki-20121104-remote-media-4.tar  48.9G

谢谢!

Answer 1

我假设它们是维基共享资源中包含的媒体文件，这是文章中的大部分图像。来自 https://wikitech.wikimedia.org/wiki/Dumps/media :

For each wiki, we dump the image, imagelinks and redirects tables via /backups/imageinfo/wmfgetremoteimages.py. Files are written to /data/xmldatadumps/public/other/imageinfo/ on dataset2.

From the above we then generate the list of all remotely stored (i.e. on commons) media per wiki, using different args to the same script.

对于中文维基百科的所有文件来说，它并不是那么大:-)