维基百科数据xml格式转换为json格式

本文是在你已经安装了Python的前提下进行的
1、数据下载
在网站https://dumps.wikimedia.org/zhwiki/latest/中对自己所需要的数据进行下载，我下载的是zhwiki-latest-pages-articles.xml.bz2
这里简单了解一下这几个文件（在网上都能找到的）
2、转换为json
为什么要转换为json呢？
json在xml的基础上，去掉了标签，节省了大量的存储空间，格式比较简单, 易于读写, 格式都是压缩的, 占用带宽小。这对我们把数据读入数据库很有帮助。
（1）首先需要用 Gensim 这个工具包进行数据预处理。
进入cmd窗口第一步先更新一下pip。命令： python -m pip install --upgrade pip
第二步，安装Gensim工具包命令： pip install --upgrade gensim