解决Wikiextractor.py运行出现.extractor不存在的问题

最新推荐文章于 2024-03-22 09:35:20 发布
最新推荐文章于 2024-03-22 09:35:20 发布
阅读量1k 收藏
点赞数 6
文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_50947895/article/details/121061818
版权

解决Wikiextractor运行出现.extractor不存在的问题

解决Wikiextractor.py运行出现.extractor不存在的问题

wikiextractor.py进行语料库提取的教程有很多，但是在运行过程中出现了一点问题。例如在使用wikiextractor.py进行wiki语料包的处理时，出现了_main_.extractor不存在的问题。找了一些资料，解决办法其实很简单，不过对不了解python 的人可能要花些时间，比如我…
出现问题的地方在Wikiextractor.py的66行

from .extract import Extractor, ignoreTag, define_template, acceptedNamespaces

其实只要在.extract前加wikiextractor就行了

from wikiextractor.extract import Extractor, ignoreTag, define_template, acceptedNamespaces

错误也比较简单，就是导包的问题。

在Linux下运行时，会出现

Traceback (most recent call last):
  File "WikiExtractor.py", line 66, in <module>
    from .extract import Extractor, ignoreTag, define_template, acceptedNamespaces
ImportError: attempted relative import with no known parent package

需将源文件改成

from extract import Extractor, ignoreTag, define_template, acceptedNamespaces

也就是把extract前面的.去了。

（该回答意在帮助重点在于需要使用wiki语料库而不是想熟悉运用python的学生们。）

Silent&Smile
关注
  • 6
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
WikiExtractor.py
10-04
这个代码是一个用python实现的解析维基百科数据的工具，非常有用。
wikiextractor 提取维基百科语料报错的解决办法
AI菜鸡，NLP领域，至今为发不出论文掉头发
08-20 1033
我提取维基百科语料的时候，刚开始使用的wikiextractor ，后来发现总是报错，于是就没有用了，由于很多人都在问我是怎么提取的，现在把代码公布下。
WikiExtractor.py（维基百科抽取器）
qq_41648012的博客
03-31 3556
#!/usr/bin/env python # -*- coding: utf-8 -*- # ============================================================================= # Version: 2.75 (March 4, 2017) # Author: Giuseppe Attardi (attardi@di....
使用WikiExtractor提取维基百科语料
m0_62854342的博客
01-18 1031
2.升级到 Python 3.8 及以上版本，Python 3.8 引入了新的 multiprocessing.get start method 方法，可以方便地更改创建进程的方式。这个错误通常出现在 Windows 系统上，因为 Windows 不支持 fork方法，而 fork 是 Multiprocessing 模块默认使用的创建进程的方式。只是不符合代码的模板，不影响提取的进行，可能最后会影响提取的效果。如果你的代码中使用了 fork() 方法，那么你需要修改代码，使用其他方式创建进程。
System_Extractor-WIN-master.zip_Ext4Extractor_Imgextractor_ext4e
09-24
"rimg2sdat.py"是Python编写的脚本，它的功能是将Android的raw image格式转换为sdat格式。在Android系统开发中，有时需要将raw image格式的数据转换成其他格式，以便进行特定的操作，如数据恢复或分析。 System_...
microdata-extractor:Web界面到microdata.py
05-03
HTML5微数据提取器这是将公开为运行中的Web服务所需的最低要求本地运营pipenv install pipenv run gunicorn microdata_extractor.wsgi:application部署方式码头工人docker build -t microdata-extractor ....
wikiextractor：从Wikipedia转储中提取纯文本的工具
02-28
cirrus-extractor.py是从Wikipedia Cirrus转储执行提取的脚本版本。 Cirrus转储包含带有已扩展模板的文本。 Cirrus转储位于： 。 细节 WikiExtractor通过预处理整个转储并提取模板定义来执行模板扩展。 为了加快...
Wiki-Extractor：从Wikipedia数据库转储中提取纯文本的命令行工具
02-26
维基提取器 是用于从给定的Wikipedia数据库转储中提取纯文本的命令行工具。 它处理数据库转储中包含的原始Wikipedia文档，并生成一系列包含相同文档但清除了Wiki语法标记的文本文件。 这些文件可由需要大量纯文本格式的高质量文档的任何后续处理使用。 执照 此代码是根据。 学分 （与Yahoo! Research合作）针对一项创新技术进行了研究，以构建基于语义关系的问题回答系统，该工具于2007年实施。 从这种实现开始，多年来已经开发了许多其他版本的通行费。 将重要的进展合并到此存储库中将是非常好的。 就我而言，在空闲时间，我将尽力而为，并感谢您的贡献，以恢复这一有用且美观的工具的发展。
wikiextractor:修改后的wikiextractor程序包可提取按类别过滤的Wikipedia数据
03-28
维基提取器 修改后的wikiextractor程序包可提取按类别过滤的Wikipedia数据 此包可用于从Wikipedia xml转储提取Wikitext。 每个Wikipedia页面都与一组预定义的类别相关联。 该软件包使您能够提取特定类别的页面，而不是提取整个Wikipedia数据。 ＃使用Git克隆并从wikiextractor文件夹上方的一级运行以下命令 python -m wikiextractor.WikiExtractor <Input xml> -o <Output> --ns <Category> 示例：用于提取与类别板球相关的所有页面 python -m wikiextractor.WikiExtractor enwiki-latest-pages-articles-multistream.xml.bz2 -o out_cricket -
Wikipedia Extractor
04-16
Wikipedia Extractor 是意大利人用 Python 写的一个维基百科抽取器，使用非常方便。
Lua_Wikipedia_Iterator:用于将 WikiExtractor.py 输出目录中的纯文本维基百科文章提供到 Lua 的小型库。 对于使用潜在的庞大维基百科语料库在 Torch 中训练语言模型非常有用，而无需将语料库加载到内存中
06-05
Lua_Wikipedia_Iterator 用于将 WikiExtractor.py 输出目录中的纯文本维基百科文章提供到 Lua 的小型库。 对于使用潜在海量维基百科语料库在 Torch 中训练语言模型非常有用，而无需将语料库加载到内存中。 示例用法 -- assuming you're in the directory above the cloned repository... package.path = package.path .. ';./Lua_Wikipedia_Iterator/?.lua' local wikipedia_corpus = require 'wikipedia_corpus' wc = wikipedia_corpus.new('Wikipedia_Text') ri = wc:make_random_iterator() -- iterate
Huawei Update Extractor 0.9.9.5
04-11
Huawei Update Extractor是华为官方ROM的打包封包工具，是自定义华为官方的ROM的神器。此版本是2017年的最新版本。 周围可用于提取华为update.app文件perl的工具有点搞乱后， 我得到了主意，创建一个自己的（窗口）...
metadata-extractor-2.6.2-API文档-中文版.zip
07-13
赠送jar包：metadata-extractor-2.6.2.jar； 赠送原API文档：metadata-extractor-2.6.2-javadoc.jar； 赠送源代码：metadata-extractor-2.6.2-sources.jar； 赠送Maven依赖信息文件：metadata-extractor-2.6.2.pom；...
使用wikiextractor 提取wiki数据
ljs_a的博客
04-28 2106
wikiextractor包链接地址：https://github.com/attardi/wikiextractor 安装wikiextractor: pip install wikiextractor 然后下载wiki语料库，下载地址: https://dumps.wikimedia.org/zhwiki/latest/ 我下载的是：zhwiki-latest-pages-articles.xml.bz2 然后使用下面命令： python -m wikiextractor.WikiExtractor -
LLM-预训练-数据集：wiki中文数据集【使用wikiextractor 提取wiki数据】
u013250861的博客
07-21 1216
然后就开始提取wiki数据了，如果上述命令执行错误，应该是环境有问题，请检查环境，还有尽量使用ubuntu系统，否则可能出错哦。安装wikiextractor: pip install wikiextractor。我下载的是：zhwiki-latest-pages-articles.xml.bz2。
使用WikiExtractor打造你的知识库：技术解析与应用指南
最新发布
gitblog_00062的博客
03-22 484
使用WikiExtractor打造你的知识库：技术解析与应用指南 项目地址:https://gitcode.com/attardi/wikiextractor 项目简介 WikiExtractor 是一个开源工具，由Attardi开发，用于从维基百科的XML dump文件中提取高质量的文本内容。这个项目旨在帮助用户轻松构建自己的大规模、结构化知识库，为数据分析、自然语言处理（NLP）和信息检索等领...
Traceback (most recent call last): File "/home/liuyu1/python/wikiextractor/wikiextractor/WikiExtractor.py", line 66, in <module> from wikiextractor.extract import Extractor, ignoreTag, define_template, acceptedNamespaces ModuleNotFoundError: No module named 'wikiextractor' 绝对导入时报错
06-07
这个错误通常是因为Python无法找到包。可能原因是： 1. 你的项目中缺少`__init__.py`文件。请确保你的`wikiextractor`目录中包含`__init__.py`文件。这个文件用于将目录标记为Python包。 2. 你的Python路径没有正确设置。请确保你的Python路径包含了项目根目录，或者你可以尝试将项目根目录添加到Python路径中： ```python import sys sys.path.append('/path/to/project') ``` 请注意，`/path/to/project`应该替换为你的项目根目录的实际路径。 3. 你的包名称可能不正确，或者路径可能不正确。请确保导入语句中使用正确的包名称和路径。你可以在终端中使用`pip list`命令查看已安装的包列表，确保`wikiextractor`包已正确安装。 4. 如果你使用的是Python虚拟环境，请确保你已经激活了虚拟环境，并且已经在虚拟环境中安装了`wikiextractor`包。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值