Wikipadiaの全文データをWikiExtractorで文章だけ抽出したい

実行環境

Python３.９
Macbook Pro 13
MacOS Big Sur

解決したいこと

以下の動画のようなことをしたいです。
https://www.youtube.com/watch?v=sK3HqLwag_w&t=86s
今回は、Wikipadiaの全文データをWikiExtractorで文章だけ抽出するところのエラーです。
自分でもこれから調べますが、どなたか優しい方アドバイスいただけると助かります。

発生している問題・エラー

wikiextractor % python WikiExtractor.py jawiki-latest-pages-articles.xml.bz2 
Traceback (most recent call last):
  File "/Users/○○○○/個人開発/python_word2vec/wikiextractor/wikiextractor/WikiExtractor.py", line 66, in <module>
    from .extract import Extractor, ignoreTag, define_template, acceptedNamespaces
ImportError: attempted relative import with no known parent package

行ったこと

以下をクローンしました。
https://github.com/attardi/wikiextractor

以下のコマンドも実行済みです。

python setup.py install

WikiExtractor.pyのソースコード

文字数が限られているため、対象コードのみ（５６行目〜66行目）記載します。

import argparse
import bz2
import logging
import os.path
import re  # TODO use regex when it will be standard
import sys
from io import StringIO
from multiprocessing import Queue, Process, cpu_count
from timeit import default_timer

from .extract import Extractor, ignoreTag, define_template, acceptedNamespaces

Daregada

2021/01/18 23:26

https://qiita.com/shimaMatz/questions/16355ec14b30ba734c4f マルチポストについて、以下をご覧下さい。 https://teratail.com/help#posted-otherservice

maz0516

2021/01/18 23:40

ご指摘ありがとうございます。 Qiitaのほうを削除させていただきました。

行動規範の内容に同意します

回答2件

エラーメッセージを直訳すると、以下のようになります。
『<module>内のファイル「WikiExtractor.py」、66行目
.extract import Extractor、ignoreTag、define_template、acceptedNamespaces から
ImportError：既知の親パッケージがない状態で相対インポートを試行しました』

インポート時のエラーであることが分かります。

　
以下、参照元の情報です；
PythonのWikiExtractorで躓いた話

importのところで、.expert となっているところを発見。なので . のみにしてリトライすると無事成功

一度、こちらを試してみてください。」

投稿2021/01/18 21:50

_whitecat_22

総合スコア1305

maz0516

2021/01/18 22:14

回答ありがとうございます。 WikiExtractorでexpertを検索しましたが見当たらず、おそらくextractの誤字だと考え、「.」にしたところエラー内容が以下になりましたが、根本的なエラーは変わっていないように思います。 ``` wikiextractor % python WikiExtractor.py jawiki-latest-pages-articles.xml.bz2 Traceback (most recent call last): File "/Users/○○○○/個人開発/python_word2vec/wikiextractor/wikiextractor/WikiExtractor.py", line 66, in <module> from . import Extractor, ignoreTag, define_template, acceptedNamespaces ImportError: attempted relative import with no known parent package ``` 別の解決策があれば試しますのでまたよろしくお願いします。

_whitecat_22

2021/01/18 22:24

質問文を再編集し、WikiExtractor.py のソースコードを追記いただけませんか？回答を得られやすくなります。

maz0516

2021/01/18 22:56

承知しました。 WikiExtractor.pyのソースコード全ては文字数制限のため、追記できませんでした。エラーとなる６６行目付近のソースコードのみ追記します。

_whitecat_22

2021/01/19 00:48 編集

下記コマンドで直接実行できるようですので、お試しください。動画でも直接実行していました。。 ```Terminal $ python -m wikiextractor.WikiExtractor <Wikipedia dump file ※jawiki-latest-pages-articles.xml.bz2 をダウンロード後に展開したファイル名> ```

行動規範の内容に同意します