Wikipedia 导入办法

出自Guoshuang Wiki

via wikipedia 镜像办法

这里是 wikipedia 的 sql dump 数据文件

http://download.wikipedia.org/zhwiki/

打开最新的日期的目录。里面这个 “Articles, templates, image descriptions, and primary meta-pages.” 就是一般镜需要的数据，包括文章、图片描述和 meta 页面。

http://download.wikimedia.org/zhwiki/20080206/zhwiki-20080206-pages-articles.xml.bz2

注意：这个包含 wikipedia 的 meta 信息，比较烦，会定制很多 Mediawiki: 名字空间的页面。可能我们需要的仅仅是 articles，你也许可以尝试一下后面更小的压缩包。比如那个 for yahoo 的 Extract 包。也许那里没有 meta 只有文章。我没有测试过。

下载后解压，大约700－800M，上传到 wiki 的 maintenance目录，然后在命令行执行 php

php importDump.php < 1234.xml

你会看到一行一行的提示信息，导入中...

如果你没有php命令行的话，ubuntu 安装 php 命令行：

sudo apt-get install php5-cli

这是 tett 的留言

不能用它的importDump.php 导死人了. 一秒钟才导5条数据……… 它总共几十万条数据,我导了十个小时才11万条数据, 应该用mwdumper.jar 这个会快点.