WikiExtractor/wikiextractor

Vedi su GitHub

A tool for extracting plain text from Wikipedia dumps

Stelle: 4k
Fork: 1k
Issue aperte per principianti: 1
Issue indicizzate: 84
Merge medio: 1m
PR unite (30g): 10

Lingua principale: Python
Licenza: AGPL-3.0
Ultimo push su GitHub: 6/9/2026
Ultima indicizzazione: 20/9/2026
Guida per i contributori: Nessuna guida per i contributori
Codice di condotta: Nessun codice di condotta
Label per principianti: Nessuna label per principianti indicizzata

Adatte ai principianti Tutto

Aperta Tutte

84 issue aperte indicizzate

More extensible redirect keywords Aperta

Difficoltà 4/5 3-5 giorni Idoneità per principianti 45/100

WikiExtractor/wikiextractor#450 · Aperta il 6/9/2026
WikiExtractor could use the language defined in the template dump, if available Aperta

Difficoltà 4/5 3-5 giorni Idoneità per principianti 45/100

WikiExtractor/wikiextractor#444 · Aperta il 4/9/2026
Stability - have the main process check worker and reducer health Aperta

Difficoltà 4/5 3-5 giorni Idoneità per principianti 45/100

WikiExtractor/wikiextractor#438 · Aperta il 17/8/2026
`#ifexist` issues - perhaps cache the existence of pages at the start? Aperta

Difficoltà 4/5 3-5 giorni Idoneità per principianti 45/100

WikiExtractor/wikiextractor#426 · Aperta il 9/8/2026
If a `<div>` tag has `style="display:none"` in it, perhaps that entire content should be vaporized Aperta

Difficoltà 3/5 1-2 giorni Idoneità per principianti 55/100

WikiExtractor/wikiextractor#421 · Aperta il 8/8/2026
`#invoke` dispatch doesn't recognize localized aliases (e.g. Urdu's `#استدعا`) Aperta

Difficoltà 4/5 3-5 giorni Idoneità per principianti 55/100

WikiExtractor/wikiextractor#414 · 1 commento · Aperta il 6/8/2026
Lua interpreter? Aperta

Difficoltà 5/5 Più di una settimana Idoneità per principianti 30/100

WikiExtractor/wikiextractor#413 · Aperta il 5/8/2026
`<table>` tag removal leads to connected text? Aperta

Difficoltà 3/5 1-2 giorni Idoneità per principianti 45/100

WikiExtractor/wikiextractor#385 · Aperta il 1/8/2026
📋 Documentation Enhancement Suggestion Aperta

Difficoltà 3/5 1-2 giorni Idoneità per principianti 45/100

WikiExtractor/wikiextractor#352 · Aperta il 26/3/2026
Add man support Aperta

Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100

WikiExtractor/wikiextractor#351 · Aperta il 27/2/2026
3.0.6 (pypi) not fully extracting? Aperta

Difficoltà 3/5 1-2 giorni Idoneità per principianti 35/100

WikiExtractor/wikiextractor#346 · Aperta il 21/8/2025
Is this project abandoned? Aperta

Difficoltà 5/5 Più di una settimana Idoneità per principianti 20/100

WikiExtractor/wikiextractor#335 · 9 commenti · 13 reazioni · Aperta il 26/6/2024
OSS-Fuzz Integration Aperta

Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100

WikiExtractor/wikiextractor#334 · Aperta il 30/5/2024
Get all revisions content Aperta

Difficoltà 5/5 Più di una settimana Idoneità per principianti 30/100

WikiExtractor/wikiextractor#332 · Aperta il 20/5/2024
How to store a document in a separate txt file instead of a single txt file containing multiple documents Aperta

Difficoltà 3/5 1-2 giorni Idoneità per principianti 30/100

WikiExtractor/wikiextractor#328 · 2 commenti · Aperta il 12/3/2024
Wikidata Extraction Aperta

Difficoltà 3/5 1-2 giorni Idoneità per principianti 35/100

WikiExtractor/wikiextractor#325 · Aperta il 26/11/2023
Parsing seems to exclude some part of the page Aperta

Difficoltà 3/5 1-2 giorni Idoneità per principianti 25/100

WikiExtractor/wikiextractor#324 · Aperta il 10/11/2023
Bullet points are missing in the final extracted text Aperta

Difficoltà 3/5 1-2 giorni Idoneità per principianti 68/100

WikiExtractor/wikiextractor#321 · 1 commento · Aperta il 8/9/2023
Add feature to extractPage to also dump the extracted page to json/csv/txt Aperta

Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100

WikiExtractor/wikiextractor#317 · Aperta il 15/8/2023
Why was --keep_tables removed? Aperta

Difficoltà 1/5 Meno di un'ora Idoneità per principianti 25/100

WikiExtractor/wikiextractor#308 · Aperta il 8/4/2023
How to extract lists pages? Aperta

Difficoltà 3/5 1-2 giorni Idoneità per principianti 28/100

WikiExtractor/wikiextractor#302 · Aperta il 29/12/2022
Non-textual elements score and mapframe are not filtered out Aperta

Difficoltà 3/5 1-2 giorni Idoneità per principianti 45/100

WikiExtractor/wikiextractor#301 · Aperta il 29/12/2022
Various tags such as q, br, ins, del are not fitered out Aperta

Difficoltà 4/5 3-5 giorni Idoneità per principianti 35/100

WikiExtractor/wikiextractor#300 · 1 commento · Aperta il 29/12/2022
Option to drop section titles/headers Aperta

Difficoltà 3/5 1-2 giorni Idoneità per principianti 42/100

WikiExtractor/wikiextractor#293 · 1 commento · 1 reazione · Aperta il 19/9/2022
ModuleNotFoundError: No module named '__main__.extract'; '__main__' is not a package Aperta

Difficoltà 4/5 3-5 giorni Idoneità per principianti 20/100

WikiExtractor/wikiextractor#291 · 1 reazione · Aperta il 4/8/2022
how to get mention/anchor by wikiextractor. Aperta

Difficoltà 5/5 Più di una settimana Idoneità per principianti 20/100

WikiExtractor/wikiextractor#286 · Aperta il 3/4/2022
Question: Cirrus Extractor vs. "normal" Extractor - who creates cleaner texts? Aperta

Difficoltà 1/5 Meno di un'ora Idoneità per principianti 15/100

WikiExtractor/wikiextractor#282 · 1 commento · Aperta il 21/2/2022
KeyError for producing HTML output with `--html` Aperta

Difficoltà 3/5 1-2 giorni Idoneità per principianti 30/100

WikiExtractor/wikiextractor#280 · 1 commento · 9 reazioni · Aperta il 18/12/2021
Extraction of french wikipedia has lacks and syntaxic faults Aperta

Difficoltà 4/5 3-5 giorni Idoneità per principianti 35/100

WikiExtractor/wikiextractor#279 · 1 commento · 2 reazioni · Aperta il 8/12/2021
文章摘要抽取不到数据 Aperta

Difficoltà 3/5 1-2 giorni Idoneità per principianti 25/100

WikiExtractor/wikiextractor#277 · 4 commenti · Aperta il 8/11/2021
templates are not extracted correctly Aperta

Difficoltà 3/5 1-2 giorni Idoneità per principianti 64/100

WikiExtractor/wikiextractor#275 · 1 commento · 1 reazione · Aperta il 15/10/2021
Would be nice to continue after interrupt Aperta

Difficoltà 3/5 1-2 giorni Idoneità per principianti 42/100

WikiExtractor/wikiextractor#270 · Aperta il 16/8/2021
[Feature Request]: Capture Paragaph Heading information Aperta

Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100

WikiExtractor/wikiextractor#268 · 1 commento · Aperta il 4/8/2021
"revid" is incorrectly the page.revision.contributor.id, when it should be the page.revision.id Aperta

Difficoltà 3/5 1-2 giorni Idoneità per principianti 45/100

WikiExtractor/wikiextractor#267 · 2 commenti · Aperta il 1/8/2021
How to preserve sections? Aperta

Difficoltà 3/5 1-2 giorni Idoneità per principianti 30/100

WikiExtractor/wikiextractor#264 · 1 commento · 5 reazioni · Aperta il 29/6/2021
section arg not regonized Aperta

Difficoltà 3/5 1-2 giorni Idoneità per principianti 25/100

WikiExtractor/wikiextractor#255 · 1 commento · Aperta il 3/5/2021
Problems with the import extract Aperta

Difficoltà 2/5 1-3 ore Idoneità per principianti 35/100

WikiExtractor/wikiextractor#252 · 2 commenti · Aperta il 2/4/2021
the function dropNested Aperta

Difficoltà 2/5 1-3 ore Idoneità per principianti 35/100

WikiExtractor/wikiextractor#248 · Aperta il 16/3/2021
Help! DO dump files contain the wikitable in the wikipedia? Aperta

Difficoltà 3/5 1-2 giorni Idoneità per principianti 25/100

WikiExtractor/wikiextractor#247 · 1 commento · Aperta il 27/2/2021
Missing bullets content Aperta

Difficoltà 3/5 1-2 giorni Idoneità per principianti 42/100

WikiExtractor/wikiextractor#245 · 1 commento · 6 reazioni · Aperta il 9/2/2021
TypeError: __init__() missing 2 required positional arguments: 'title' and 'page' Aperta

Difficoltà 4/5 3-5 giorni Idoneità per principianti 20/100

WikiExtractor/wikiextractor#240 · Aperta il 22/12/2020
bugs, syntax errors, documentation errors and wild popularity Aperta

Difficoltà 5/5 Più di una settimana Idoneità per principianti 20/100

WikiExtractor/wikiextractor#231 · 2 commenti · Aperta il 1/12/2020
for people with all kinds of weird bugs Aperta

Difficoltà 1/5 Meno di un'ora Idoneità per principianti 35/100

WikiExtractor/wikiextractor#222 · 7 commenti · 5 reazioni · Aperta il 13/10/2020
[For reference] Another Wiki extractor tool Aperta

Difficoltà 5/5 Più di una settimana Idoneità per principianti 10/100

WikiExtractor/wikiextractor#220 · Aperta il 17/9/2020
How to extract articles from main namespace only Aperta

Difficoltà 3/5 1-2 giorni Idoneità per principianti 35/100

WikiExtractor/wikiextractor#213 · 1 commento · Aperta il 22/7/2020
Wrong guide for the usage for the argument “--no-templates” Aperta

Difficoltà 1/5 Meno di un'ora Idoneità per principianti 45/100

WikiExtractor/wikiextractor#209 · 1 commento · 2 reazioni · Aperta il 3/6/2020
Can i have 1 output per file Aperta

Difficoltà 3/5 1-2 giorni Idoneità per principianti 35/100

WikiExtractor/wikiextractor#206 · 2 commenti · Aperta il 14/4/2020
UnicodeDecodeError when extracting from an (decompressed) .xml dump Aperta

Difficoltà 2/5 1-3 ore Idoneità per principianti 52/100

WikiExtractor/wikiextractor#200 · 1 commento · 3 reazioni · Aperta il 8/1/2020
template expansion works well in an old version Aperta

Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100

WikiExtractor/wikiextractor#197 · 2 commenti · 1 reazione · Aperta il 18/11/2019
Last category in article not checked correctly Aperta

Difficoltà 2/5 1-3 ore Idoneità per principianti 42/100

WikiExtractor/wikiextractor#193 · 1 commento · 1 reazione · Aperta il 26/10/2019

WikiExtractor/wikiextractor

Ricevi le nuove issue nella tua casella