問題タブ [wikipedia]

ウィキペディアから取得しているページから削除したいテキストがあります。

次の部分もプレーンテキストとして保持したい（ただし、「{{」と「}}」で囲まれた部分は含まない）

ありがとう。

グーグルで検索しているときに、仕事をしているように見えるhtml2wikiに出くわしました（Qの投稿が終わったら試してみます）。しかし、それ以外にも、クエリ セッション中には他にも多くの選択肢が表示されます。

どのアプリを選ぶべきか一言お願いします！

ありがとう

オープンソースの Wikipedia iPhone アプリケーションのソースはどこにありますか?

私は Python 2.5.2 を使用しています (mwclient はまだ 2.x でしか機能しないため)。mwclient フォルダーを /usr/lib/python2.5/site-packages/mwclient フォルダーにコピーしました。mwclient をインポートするプログラムを実行すると、次のようになります。

スキャナーはファイルdecoder.pyに存在するように見えるため、何が問題なのかわかりません。

私は mwclient を使用するつもりはありませんが、可能な限り mediawiki と HTMl タグを解析できるものが必要です。言語検出プログラムをトレーニングするためのプレーン テキストを探しています。

WebSphinxアプリケーションを試しました。

wikipedia.orgを開始URLとして指定すると、それ以上クロールされないことに気付きました。

したがって、実際にウィキペディア全体をクロールする方法は？誰かがいくつかのガイドラインを教えてもらえますか？具体的にそれらのURLを見つけて、複数の開始URLを配置する必要がありますか？

誰かがWebSphinxのAPIを使用したチュートリアルで良いウェブサイトの提案がありますか？

私はウィキペディアでJava言語の履歴をチェックしていましたが、この段落が私の注意を引きました。

現在のバージョンであるJavaSE6（2006年12月11日）—コード名Mustang —はデータベースマネージャーにバンドルされており、JVMでのスクリプト言語（現在はMozillaのRhinoエンジンを使用するJavaScript）の使用を容易にし、VisualBasic言語をサポートしています。

この文脈で「VisualBasic言語は正確に何をサポートしますか？」

私はこの質問と同じ問題を効果的に解決しようとしています:

特定の単語に関連する単語 (特に物理的なオブジェクト) を検索する

単語が物理的なオブジェクトを表すという要件を差し引いたものです。回答と編集された質問は、ウィキペディアのテキストをコーパスとして使用して、n-gram の頻度のリストを作成することが良い出発点であることを示しているようです。巨大なウィキペディアのダンプのダウンロードを開始する前に、そのようなリストが既に存在するかどうか誰か知りませんか?

PS 前の質問の元の投稿者がこれを見た場合、結果が優れているように見えるので、問題をどのように解決したかを知りたいです:-)

ブラウジング中に、 JavaScriptからウィキペディア APIを使用して単一の検索用語をその定義にリンクすることに関するこのブログ投稿に出くわしました。ブログ投稿の最後で、著者は次のような拡張機能について言及しています。

用語をウィキペディアの記事に自動リンクするプラグイン。

これは、私が取り組んでいるプロジェクトの要件に完全に適合しますが、残念ながら、元のソース コードを拡張するためのプログラミング スキルがありません。私が望むのは、Web ページに追加できる純粋な JavaScript スニペットを用意することです。これは、その Web ページ上の内部ウィキの記事を含むすべての用語をそのウィキにリンクします。

私はこれが多くを求めているかもしれないことを知っていますが、コードはもうすぐそこにあるように見えます.誰かがその仮想クレジットのために残りの仕事をしてくれるなら、喜んで報奨金を追加します.. ;)同様のリクエストを見たことがありますが、機能する実装はありません (これは単なる JavaScript (したがって移植可能な) ライブラリ/スニペット インクルードです)。

元のソース コードのサンプルを次に示します。だれかがこれに追加したり、自分でこれを実装する場合に追加する必要があるものを教えてくれたりしてくれることを願っています (その場合、うまくいけばコードを共有します)。何かをまとめる）。

更新
コメントで指摘されているように、すべての単語をリンクするのにかかる時間と、記事名にまたがる複数の単語を処理する方法の両方が私の懸念事項でもありました..

英語で最も一般的な 500 の単語をスキップすると、パフォーマンス上の利点が得られる可能性がありますが、このアプローチがどれほど実現可能かはまだわかりません。 ..

良い面としては、これはすべてクライアント側であり、用語のリンクの遅れは完全に許容されます。

または、マウスがホバリングしている/選択されている用語を検索することもできますが、これが複雑さを軽減または増加させるかどうかはわかりません..

更新 2

'Pointy' は、 から記事のトピックのリストを取得した後、いくつかのかなり標準的なハイライト スクリプトを変更することで、この機能を実現できると以下で説明しましたapi.php?action=query&list=allpages。
繰り返しになりますが、私たちは内部ウィキを使用しているため、記事のリストは限定的で、あいまいさがなく、単語の一致で予想される問題のいくつかを克服するのに十分なドメイン固有のものである可能性があります。

これまでにいくつかの良い提案といくつかの実行可能なアイデアがあったので、これについていくつかの答えを得ることができるかどうかを確認するために報奨金を開始しています..

テール再帰に関するウィキペディアに投稿された記事の準備ができました: http://en.wikipedia.org/wiki/Tail_call

この記事の最後にある例では、スタック ポインターを使用して、アセンブリ疑似コードの関数呼び出しに渡される引数にアクセスしています。これは間違っていませんか？つまり、呼び出し先がスタック ポインターではなくフレーム ポインターを使用して引数にアクセスするということですか?

AJAX (XMLHttpRequest) を使用してウィキペディアの API に簡単なリクエストを実装しようとしています。Firefox のアドレス バーに URL を入力すると、きちんとした XML が表示されます。それでも、次のようにまったく同じ URL を呼び出します。

空の応答を返します。FireBug によると、200 OK 応答が返されますが、内容は空です。

GET http リクエストのヘッダーに何かが欠けているのではないかと思います。

ヘルプ！（ありがとう！）