dp2021

Parsovanie wikipédie

1. Parsovanie bzip2 suboru z skwikidump pomocou nástroja wikiextractor

   Príkaz na použitie nástroja wikiextractor python WikiExtractor.py "cesta k bzip2 súboru" -s -l -o "priečinok pre výstupné súbory"

2. Prerobenie 232 453 rozparsovaných článkov do formátu json (kvôli jednoduchšej práce s formátom json) [ "nazov článku": { "id článku", "url článku", "text článku rozdelený do paragrafov", "názvy ostatných článkov na ktoré sa článok odkazuje" } ]