提取xml文件字段_维基百科简体中文语料的提取

训练词向量等一些任务的时候，往往需要一些较大规模的中文语料，而维基百科语料是一个很好的选择。维基百科每段时间都会备份数据，我们可以选择不同时间段的语料来下载使用。​

1.下载维基百科语料

下面就是维基百科的语料的下载地址：

维基百科的下载地址​dumps.wikimedia.org

可以根据自己的需求选择不同的语料

选择其中某一个时间段会发现其中有很多下载地址链接，可以根据自己的需求下载不同的语料内容。

不同链接地址对应不同内容

由于我们的需求是训练词向量，所以我选择"zhwiki-20180320-pa