MediaWikiDump

MediaWiki XML Dumps 包含一个维基的内容 （包含所有修订的维基页面），不包括与网站相关的数据。XML 转储并不创建完整的备份 维基数据库的转储不包含用户账户、图片、编辑日志等。

安装和设置

我们需要安装几个 Python 包。

mediawiki-utilities 在未合并的分支中支持 XML 架构 0.11。

pip install -qU git+https://github.com/mediawiki-utilities/python-mwtypes@updates_schema_0.11

mediawiki-utilities mwxml 存在一个错误，修复的 PR 待处理。

pip install -qU git+https://github.com/gdedrouas/python-mwxml@xml_format_0.11
pip install -qU mwparserfromhell

文档加载器

查看 使用示例。

from langchain_community.document_loaders import MWDumpLoader