维基百科类别的文章由id

Question

我想获得维基百科文章的类别列表。我目前使用这个api

http://en.wikipedia.org/w/api.php?action=query&prop=categories&pageids=17566205|39952380&inprop=url&format=xml

但是，我需要超过4M文章的类别，并想知道是否存在此类任务的数据转储。我不需要页面的文本内容，只需要其类别。

谢谢。

Answer 1

在MediaWiki数据库架构中，有categorylinks表，其中包含（以及其他）字段cl_from（页面ID）和cl_to（类别名称） ：

+-------------------+------------------------------+------+-----+-------------------+-----------------------------+
| Field             | Type                         | Null | Key | Default           | Extra                       |
+-------------------+------------------------------+------+-----+-------------------+-----------------------------+
| cl_from           | int(10) unsigned             | NO   | PRI | 0                 |                             |
| cl_to             | varbinary(255)               | NO   | PRI |                   |                             |
| cl_sortkey        | varbinary(230)               | NO   |     |                   |                             |
| cl_sortkey_prefix | varbinary(255)               | NO   |     |                   |                             |
| cl_timestamp      | timestamp                    | NO   |     | CURRENT_TIMESTAMP | on update CURRENT_TIMESTAMP |
| cl_collation      | varbinary(32)                | NO   | MUL |                   |                             |
| cl_type           | enum('page','subcat','file') | NO   |     | page              |                             |
+-------------------+------------------------------+------+-----+-------------------+-----------------------------+

此表的数据可从WikiMedia dumps页面获得，作为SQL转储（例如enwiki-20140903-categorylinks.sql.gz）。