WikiExtractor: projetos open source

More extensible redirect keywords Aberta

Dificuldade 4/5 3-5 dias Facilidade para iniciantes 45/100

WikiExtractor/wikiextractor#450 · Aberta em 6/9/2026

WikiExtractor could use the language defined in the template dump, if available Aberta

Dificuldade 4/5 3-5 dias Facilidade para iniciantes 45/100

WikiExtractor/wikiextractor#444 · Aberta em 4/9/2026

Stability - have the main process check worker and reducer health Aberta

Dificuldade 4/5 3-5 dias Facilidade para iniciantes 45/100

WikiExtractor/wikiextractor#438 · Aberta em 17/8/2026

`#ifexist` issues - perhaps cache the existence of pages at the start? Aberta

Dificuldade 4/5 3-5 dias Facilidade para iniciantes 45/100

WikiExtractor/wikiextractor#426 · Aberta em 9/8/2026

If a `<div>` tag has `style="display:none"` in it, perhaps that entire content should be vaporized Aberta

Dificuldade 3/5 1-2 dias Facilidade para iniciantes 55/100

WikiExtractor/wikiextractor#421 · Aberta em 8/8/2026

`#invoke` dispatch doesn't recognize localized aliases (e.g. Urdu's `#استدعا`) Aberta

Dificuldade 4/5 3-5 dias Facilidade para iniciantes 55/100

WikiExtractor/wikiextractor#414 · 1 comentário · Aberta em 6/8/2026

Lua interpreter? Aberta

Dificuldade 5/5 Mais de uma semana Facilidade para iniciantes 30/100

WikiExtractor/wikiextractor#413 · Aberta em 5/8/2026

`<table>` tag removal leads to connected text? Aberta

Dificuldade 3/5 1-2 dias Facilidade para iniciantes 45/100

WikiExtractor/wikiextractor#385 · Aberta em 1/8/2026

📋 Documentation Enhancement Suggestion Aberta

Dificuldade 3/5 1-2 dias Facilidade para iniciantes 45/100

WikiExtractor/wikiextractor#352 · Aberta em 26/3/2026

Add man support Aberta

Dificuldade 5/5 Mais de uma semana Facilidade para iniciantes 25/100

WikiExtractor/wikiextractor#351 · Aberta em 27/2/2026

3.0.6 (pypi) not fully extracting? Aberta

Dificuldade 3/5 1-2 dias Facilidade para iniciantes 35/100

WikiExtractor/wikiextractor#346 · Aberta em 21/8/2025

Is this project abandoned? Aberta

Dificuldade 5/5 Mais de uma semana Facilidade para iniciantes 20/100

WikiExtractor/wikiextractor#335 · 9 comentários · 13 reações · Aberta em 26/6/2024

OSS-Fuzz Integration Aberta

Dificuldade 5/5 Mais de uma semana Facilidade para iniciantes 25/100

WikiExtractor/wikiextractor#334 · Aberta em 30/5/2024

Get all revisions content Aberta

Dificuldade 5/5 Mais de uma semana Facilidade para iniciantes 30/100

WikiExtractor/wikiextractor#332 · Aberta em 20/5/2024

How to store a document in a separate txt file instead of a single txt file containing multiple documents Aberta

Dificuldade 3/5 1-2 dias Facilidade para iniciantes 30/100

WikiExtractor/wikiextractor#328 · 2 comentários · Aberta em 12/3/2024

Wikidata Extraction Aberta

Dificuldade 3/5 1-2 dias Facilidade para iniciantes 35/100

WikiExtractor/wikiextractor#325 · Aberta em 26/11/2023

Parsing seems to exclude some part of the page Aberta

Dificuldade 3/5 1-2 dias Facilidade para iniciantes 25/100

WikiExtractor/wikiextractor#324 · Aberta em 10/11/2023

Bullet points are missing in the final extracted text Aberta

Dificuldade 3/5 1-2 dias Facilidade para iniciantes 68/100

WikiExtractor/wikiextractor#321 · 1 comentário · Aberta em 8/9/2023

Add feature to extractPage to also dump the extracted page to json/csv/txt Aberta

Dificuldade 5/5 Mais de uma semana Facilidade para iniciantes 25/100

WikiExtractor/wikiextractor#317 · Aberta em 15/8/2023

Why was --keep_tables removed? Aberta

Dificuldade 1/5 Menos de uma hora Facilidade para iniciantes 25/100

WikiExtractor/wikiextractor#308 · Aberta em 8/4/2023

How to extract lists pages? Aberta

Dificuldade 3/5 1-2 dias Facilidade para iniciantes 28/100

WikiExtractor/wikiextractor#302 · Aberta em 29/12/2022

Non-textual elements score and mapframe are not filtered out Aberta

Dificuldade 3/5 1-2 dias Facilidade para iniciantes 45/100

WikiExtractor/wikiextractor#301 · Aberta em 29/12/2022

Various tags such as q, br, ins, del are not fitered out Aberta

Dificuldade 4/5 3-5 dias Facilidade para iniciantes 35/100

WikiExtractor/wikiextractor#300 · 1 comentário · Aberta em 29/12/2022

Option to drop section titles/headers Aberta

Dificuldade 3/5 1-2 dias Facilidade para iniciantes 42/100

WikiExtractor/wikiextractor#293 · 1 comentário · 1 reação · Aberta em 19/9/2022

ModuleNotFoundError: No module named '__main__.extract'; '__main__' is not a package Aberta

Dificuldade 4/5 3-5 dias Facilidade para iniciantes 20/100

WikiExtractor/wikiextractor#291 · 1 reação · Aberta em 4/8/2022

how to get mention/anchor by wikiextractor. Aberta

Dificuldade 5/5 Mais de uma semana Facilidade para iniciantes 20/100

WikiExtractor/wikiextractor#286 · Aberta em 3/4/2022

Question: Cirrus Extractor vs. "normal" Extractor - who creates cleaner texts? Aberta

Dificuldade 1/5 Menos de uma hora Facilidade para iniciantes 15/100

WikiExtractor/wikiextractor#282 · 1 comentário · Aberta em 21/2/2022

KeyError for producing HTML output with `--html` Aberta

Dificuldade 3/5 1-2 dias Facilidade para iniciantes 30/100

WikiExtractor/wikiextractor#280 · 1 comentário · 9 reações · Aberta em 18/12/2021

Extraction of french wikipedia has lacks and syntaxic faults Aberta

Dificuldade 4/5 3-5 dias Facilidade para iniciantes 35/100

WikiExtractor/wikiextractor#279 · 1 comentário · 2 reações · Aberta em 8/12/2021

文章摘要抽取不到数据 Aberta

Dificuldade 3/5 1-2 dias Facilidade para iniciantes 25/100

WikiExtractor/wikiextractor#277 · 4 comentários · Aberta em 8/11/2021

templates are not extracted correctly Aberta

Dificuldade 3/5 1-2 dias Facilidade para iniciantes 64/100

WikiExtractor/wikiextractor#275 · 1 comentário · 1 reação · Aberta em 15/10/2021

Would be nice to continue after interrupt Aberta

Dificuldade 3/5 1-2 dias Facilidade para iniciantes 42/100

WikiExtractor/wikiextractor#270 · Aberta em 16/8/2021

[Feature Request]: Capture Paragaph Heading information Aberta

Dificuldade 5/5 Mais de uma semana Facilidade para iniciantes 25/100

WikiExtractor/wikiextractor#268 · 1 comentário · Aberta em 4/8/2021

"revid" is incorrectly the page.revision.contributor.id, when it should be the page.revision.id Aberta

Dificuldade 3/5 1-2 dias Facilidade para iniciantes 45/100

WikiExtractor/wikiextractor#267 · 2 comentários · Aberta em 1/8/2021

How to preserve sections? Aberta

Dificuldade 3/5 1-2 dias Facilidade para iniciantes 30/100

WikiExtractor/wikiextractor#264 · 1 comentário · 5 reações · Aberta em 29/6/2021

section arg not regonized Aberta

Dificuldade 3/5 1-2 dias Facilidade para iniciantes 25/100

WikiExtractor/wikiextractor#255 · 1 comentário · Aberta em 3/5/2021

Problems with the import extract Aberta

Dificuldade 2/5 1-3 horas Facilidade para iniciantes 35/100

WikiExtractor/wikiextractor#252 · 2 comentários · Aberta em 2/4/2021

the function dropNested Aberta

Dificuldade 2/5 1-3 horas Facilidade para iniciantes 35/100

WikiExtractor/wikiextractor#248 · Aberta em 16/3/2021

Help! DO dump files contain the wikitable in the wikipedia? Aberta

Dificuldade 3/5 1-2 dias Facilidade para iniciantes 25/100

WikiExtractor/wikiextractor#247 · 1 comentário · Aberta em 27/2/2021

Missing bullets content Aberta

Dificuldade 3/5 1-2 dias Facilidade para iniciantes 42/100

WikiExtractor/wikiextractor#245 · 1 comentário · 6 reações · Aberta em 9/2/2021

TypeError: __init__() missing 2 required positional arguments: 'title' and 'page' Aberta

Dificuldade 4/5 3-5 dias Facilidade para iniciantes 20/100

WikiExtractor/wikiextractor#240 · Aberta em 22/12/2020

bugs, syntax errors, documentation errors and wild popularity Aberta

Dificuldade 5/5 Mais de uma semana Facilidade para iniciantes 20/100

WikiExtractor/wikiextractor#231 · 2 comentários · Aberta em 1/12/2020

for people with all kinds of weird bugs Aberta

Dificuldade 1/5 Menos de uma hora Facilidade para iniciantes 35/100

WikiExtractor/wikiextractor#222 · 7 comentários · 5 reações · Aberta em 13/10/2020

[For reference] Another Wiki extractor tool Aberta

Dificuldade 5/5 Mais de uma semana Facilidade para iniciantes 10/100

WikiExtractor/wikiextractor#220 · Aberta em 17/9/2020

How to extract articles from main namespace only Aberta

Dificuldade 3/5 1-2 dias Facilidade para iniciantes 35/100

WikiExtractor/wikiextractor#213 · 1 comentário · Aberta em 22/7/2020

Wrong guide for the usage for the argument “--no-templates” Aberta

Dificuldade 1/5 Menos de uma hora Facilidade para iniciantes 45/100

WikiExtractor/wikiextractor#209 · 1 comentário · 2 reações · Aberta em 3/6/2020

Can i have 1 output per file Aberta

Dificuldade 3/5 1-2 dias Facilidade para iniciantes 35/100

WikiExtractor/wikiextractor#206 · 2 comentários · Aberta em 14/4/2020

UnicodeDecodeError when extracting from an (decompressed) .xml dump Aberta

Dificuldade 2/5 1-3 horas Facilidade para iniciantes 52/100

WikiExtractor/wikiextractor#200 · 1 comentário · 3 reações · Aberta em 8/1/2020

template expansion works well in an old version Aberta

Dificuldade 5/5 Mais de uma semana Facilidade para iniciantes 25/100

WikiExtractor/wikiextractor#197 · 2 comentários · 1 reação · Aberta em 18/11/2019

Last category in article not checked correctly Aberta

Dificuldade 2/5 1-3 horas Facilidade para iniciantes 42/100

WikiExtractor/wikiextractor#193 · 1 comentário · 1 reação · Aberta em 26/10/2019

WikiExtractor

Receba novas issues na sua caixa de entrada