質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

88.64%

wp2txtでwiki全文データをテキストデータにしたい

受付中

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 1,834

merico

score 12

 やりたいこと

wikipedia全文データ(jawiki-latest-pages-articles.xml)をテキストデータに変換したい

 環境

  • macOS(vagrant/centOS7)

 やったこと

bundle, wp2txtのインストール。

$ gem install bundle
$ mkdir ~/ruby_bundle
$ cd ~/ruby_bundle
$ bundle init
Writing new Gemfile to /file_to_path/ruby_bundle/Gemfile
$ echo 'gem "wp2txt"' >> Gemfile
$ bundle install


としたところで、wiki全文データをテキストに変換しようとしたところ、次のようなエラーが出現。

$ wp2txt --input-file jawiki-latest-pages-articles.xml
[DEPRECATION] This gem has been renamed to optimist and will no longer be supported. Please switch to optimist as soon as possible.
/home/vagrant/.gem/ruby/gems/wp2txt-0.9.1/lib/wp2txt.rb:37:in `initialize': uninitialized constant Wp2txt::Runner::Etc (NameError)
    from /home/vagrant/.gem/ruby/gems/wp2txt-0.9.1/bin/wp2txt:62:in `new'
    from /home/vagrant/.gem/ruby/gems/wp2txt-0.9.1/bin/wp2txt:62:in `<top (required)>'
    from /usr/local/bin/wp2txt:23:in `load'
    from /usr/local/bin/wp2txt:23:in `<main>'

どうすれば、txtに変換できるでしょうか、ご教授よろしくお願いいたします。

 参考

wp2txtでwikipediaのコーパスを作るまでの道のり
wikipedia全文データからWord2Vecで類義語を抽出してみる

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

0

私はWindows10にUbuntuを入れて同じことをやってみましたが、同じ警告が出ました。
DEPRECATION(廃止)ですのであきらめて検索していると、
WikiExtractor.py 2.55
というのを見つけました。python2でないと動かないようです。これで処理できました。
お答えになってませんよね…。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 88.64%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る