有没有人parsing过维基文库？
维基词典是涵盖多种语言的维基辞典。 它甚至有翻译。 我会有兴趣parsing它和玩数据，有没有人做过这样的事情？ 有什么图书馆可以使用吗？ （最好是Python。）
Wiktionary在MediaWiki上运行，它有一个API 。
API文档的一个子页面是客户端代码，其中列出了一些Python库 。
我曾经一度下载了一个wiktionary转储文件，试图收集斯拉夫语言的词汇和定义。 我使用elementtree来访问它，通过转储的XML文件。 我会避免尝试刮或抓取该网站，只需下载wikimedia提供的wiktionary的xml转储。 去维基媒体下载 ，寻找英文wiktionary转储（ enwiktionary ），并转到最近的转储。 你可能会想要pages-articles.xml.bz2文件，这只是文章内容，没有历史或评论。 用你喜欢的任何xml处理库parsing这个。 我个人比较喜欢elementtree。 祝你好运。
wordnik在parsing定义等方面做得很好，而且他们有很棒的API
就像其他人所说的那样，wiktionary是一种格式化的灾难，并没有被构build为计算机可读的
我在parsing德语的wiktionary时有一个破解。 我最终把它写得太难了，但是在放弃之前，我把我的代码放在了https://github.com/benreynwar/wiktionary-parser上。; 尽pipe编辑们使用了一些惯例，但除了同伴监督之外，并没有强制执行这些惯例。 所使用的模板的多样性以及页面中的所有拼写错误使parsing相当具有挑战性。
我认为问题在于他们已经使用了相同的系统作为wiktionary，这对编辑人员来说非常方便，但是不适合更多结构化的wiktionary内容。 这是一个耻辱，因为如果可以很容易地parsingwiktionary它将是一个非常有用的资源。
是的，很多人parsing了维基文库。 您通常可以在Wiktionary-l邮件列表档案中find过去的经验。
其他答案没有提到的项目是DBPedia的维基文库RDF提取 。
其他几十个研究项目parsing了维基文库：你可以在最近的维基文库特刊和维基媒体研究通讯的其他期刊中find一些例子。
最近有人还制作了一个英文的维基词典REST API ，其中包含了一个未指定的维基词典数据子集; 未来的计划还不得而知。
欢迎您使用MySQLparsing的Wiktionary数据库。 有两个由Java编写的parsing器创build的数据库（英语维基词典和俄语维基词典）： http : //wikokit.googlecode.com
如果你喜欢PHP，那么欢迎你玩piwidict – PHP API这个机器可读的维基词典2
我只是从德国转储那里做了一个单词列表：
bzcat pages-articles.xml.bz2 | grep '<title>[^[:space:][:punct:]]*</title>' | sed 's:.*<title>\(.*\)</title>.*:\1:' > words 你可能会对dbnary项目感兴趣，而不是python，但很有趣。 声明支持parsing21种语言，并支持wikdict 。
这取决于你需要彻底parsing它。 如果你只需要用一种语言（定义，词源，发音，共轭等等）来获得一个单词的所有内容，那么这很容易。 我以前做过这个，虽然在Java中使用jsoup
但是，如果您需要将其parsing为内容的不同组成部分（例如只是获取单词的定义），那么这将更具挑战性。 维基词典中的词语没有预先定义的模板，所以标题可以是<h3>到<h6>任何内容，这些章节的顺序可能是混乱的，可以是重复的等等。
还有JWKTL在parsing和提取wiktionary的结构化数据方面做得很好。 它是用Java编写的，并且支持英文，德文和俄文版本。
