Question

我有一个wikitext文件列表（所有.txt），每个文件都有wiki文本标记，我想要每个文件，相应的纯文本版本，我尝试使用https://github.com/spencermountain/wtf_wikipedia，它确实单独工作文章，但是当迭代文件夹中的所有.txt文件时，我收到以下错误，我很难调试。

错误：

/home/saurabh/node_modules/wtf_wikipedia/src/index.js:27 let arr =   Object.keys（data.sections）.map（k =＆gt; {                      ^

TypeError：无法将undefined或null转换为object       在Function.keys（）       在Object.plaintext（/home/saurabh/node_modules/wtf_wikipedia/src/index.js:27:20）       at /home/saurabh/Desktop/comprehension_burden/wikipedia_w2v/wiki_xml_to_jsonv4.js:71:32       在Array.forEach（）       在对象。（/home/saurabh/Desktop/comprehension_burden/wikipedia_w2v/wiki_xml_to_jsonv4.js:62:7）       在Module._compile（module.js：573：30）       at Object.Module._extensions..js（module.js：584：10）       在Module.load（module.js：507：32）       在tryModuleLoad（module.js：470：12）       在Function.Module._load（module.js：462：3）

以下是代码：https://gist.github.com/saurabhvyas/1b719f027984ea33864a15fd58bf1b9f

文件数量很大，所以我在寻找时间复杂度最低的解决方案

Answer 1

我建议pandoc，它可以从wikitext转换为纯文本（以及许多其他格式）。

你会做类似的事情：

for F in *.wikitext; do
    pandoc -f mediawiki -o "$F.txt" "$F"
done

将wikitext转换为纯文本的最简单方法

1 个答案: