在IDEA中用JWPL解析维基百科数据源并导入MySQL数据库
在运行JWPLDataMechine.java时提示需要以下三个文件:
pages-articles.xml.bz2
pagelinks.sql.gz
categorylinks.sql.gz
在网上下载三个文件后,配置相应的文件路径后,运行出错,提示实体类文件加载失败,因为下载的维基百科的xml文件每一个都是几百兆以上,虚拟机无法一次解析那么大的文件,需要更改配置。百度后须在运行虚拟机前添加配置:-DentityExpansionLimit=2147480000
-DtotalEntitySizeLimit=47480000-DtotalEntitySizeLimit=2147480000 -Djdk.xml.totalEntitySizeLimit=2147480000
此时JWPLDataMechine.java可以运行,由于此次解析的是三个小文件,我的电脑配置内存是8G运行内存,运行历时2.3小时
最终在配置的文件路径下生成一个output文件和临时的bin文件,可删除,output文件下有十一个解析好的txt文件
在网下载相应的数据库表sql文件,创建一个MySQL数据库,运行.sql文件先创建相应的表结构,然后再将十一个文件分别导入到对应的表中。
到表需要在MySQL的命令行模式下输入语句:
load data infile 'location' into table table_name;
其中的一个MetaData文件只有一行数据是配置信息,修改后可导入。
大功告成,成功解析维基百科数据并导入MySQL数据库。