MediaWikiDump

MediaWiki XML Dumps 包含了维基的内容（包括所有修订版本的维基页面），但不包含与网站相关的数据。XML dump 并不能完全备份维基数据库，它不包含用户账户、图片、编辑日志等。

安装和设置

我们需要安装几个 Python 包。

mediawiki-utilities 支持未合并分支中的 XML schema 0.11。

pip install -qU git+https://github.com/mediawiki-utilities/python-mwtypes@updates_schema_0.11

mediawiki-utilities mwxml 存在一个 bug，修复 PR 正在等待中。

pip install -qU git+https://github.com/gdedrouas/python-mwxml@xml_format_0.11
pip install -qU mwparserfromhell

文档加载器

请参考使用示例。

from langchain_community.document_loaders import MWDumpLoader