Phân tích cú pháp kết xuất dữ liệu XML của Wiktionary vào cơ sở dữ liệu MySQL bằng PHP

Các tệp đó có thể được phân tích cú pháp bằng PHP với XMLReader hoạt động trên compress.bzip2:// luồng . Cấu trúc của tệp bạn có là mẫu mực (xem xét khoảng 3000 phần tử đầu tiên):

\-mediawiki (1)
  |-siteinfo (1)
  | |-sitename (1)
  | |-base (1)
  | |-generator (1)
  | |-case (1)
  | \-namespaces (1)
  |   \-namespace (40)
  \-page (196)
    |-title (196)
    |-ns (196)
    |-id (196)
    |-restrictions (2)
    |-revision (196)
    | |-id (196)
    | |-parentid (194)
    | |-timestamp (196)
    | |-contributor (196)
    | | |-username (182)
    | | |-id (182)
    | | \-ip (14)
    | |-comment (183)
    | |-text (195)
    | |-sha1 (195)
    | |-model (195)
    | |-format (195)
    | \-minor (99)
    \-redirect (5)

Bản thân tệp lớn hơn một chút, vì vậy sẽ mất khá nhiều thời gian để xử lý. Ngoài ra, không hoạt động trên kết xuất XML, mà chỉ cần nhập kết xuất SQL qua mysql công cụ dòng lệnh. Các kết xuất SQL cũng có sẵn trên trang web, hãy xem tất cả các định dạng kết xuất cho Wiktionary tiếng Anh :

• http://dumps.wikimedia.org/enwiktionary/latest/

Tệp tổng thể lớn hơn một lít với hơn 66 849 000 phần tử:

\-mediawiki (1)
  |-siteinfo (1)
  | |-sitename (1)
  | |-base (1)
  | |-generator (1)
  | |-case (1)
  | \-namespaces (1)
  |   \-namespace (40)
  \-page (3993913)
    |-title (3993913)
    |-ns (3993913)
    |-id (3993913)
    |-restrictions (552)
    |-revision (3993913)
    | |-id (3993913)
    | |-parentid (3572237)
    | |-timestamp (3993913)
    | |-contributor (3993913)
    | | |-username (3982087)
    | | |-id (3982087)
    | | \-ip (11824)
    | |-comment (3917241)
    | |-text (3993913)
    | |-sha1 (3993913)
    | |-model (3993913)
    | |-format (3993913)
    | \-minor (3384811)
    |-redirect (27340)
    \-DiscussionThreading (4698)
      |-ThreadSubject (4698)
      |-ThreadPage (4698)
      |-ThreadID (4698)
      |-ThreadAuthor (4698)
      |-ThreadEditStatus (4698)
      |-ThreadType (4698)
      |-ThreadSignature (4698)
      |-ThreadParent (3605)
      |-ThreadAncestor (3605)
      \-ThreadSummaryPage (11)