mediawiki - 转储中的维基百科类别层次结构

Question

使用维基百科的转储，我想为其类别建立一个层次结构。我已经下载了主要转储 (enwiki-latest-pages-articles) 和类别 SQL 转储 (enwiki-latest-category)。但是我找不到层次结构信息。

例如，SQL 类别的转储对每个类别都有条目，但我找不到关于它们如何相互关联的任何信息。

另一个转储 (latest-pages-articles) 以无序方式表示每个页面的父类别。它只是说明了所有的 parent 。

我已经看到了 wikiprep 的类别层次结构 (http://www.cs.technion.ac.il/~gabr/resources/code/wikiprep/)...那个是如何构建的？ Wikiprep 列出了类别 ID，而不是其名称。有没有办法获取每个ID的名称？

Answer 1

MediaWiki 中的类别层次信息存储在 categorylinks table 中。 ，因此您将需要 categorylinks倾倒。

您还需要 page (不是 pages-articles )页面 ID 到标题映射的转储。