-----Original Message----- From: Manuel Schneider Sent: Wednesday, November 09, 2005 7:55 PM
Hallo Matthias,
Vor einiger Zeit hatte ich schon einmal auf http://wortschatz.uni-leipzig.de/WP/ hingewiesen, eine
textstatistische
Auswertung eines Wikipedia-Dumps. Die Datengrundlage ist
nunmehr ein
dreiviertel Jahr alt, was etwas unbefriedigend ist. Ich
würde das auch
gerne erneuern, es fehlt mir nur an der Zeit einen sauberen Plaintext-Abzug der Wikipedia (mit sehr wenig sehr
einfachem Markup fpür
die Artikelgrenze) zu erstellen, den ich der Auswertungssoftware vorwerfen kann. Will mir damit jemand helfen?
was brauchst denn Du konkret? Ein PHP-Script welches die reine Wiki-Syntax aus der WP rausholt habe ich bereits, das ist dank der WP-Export-Funktion auch simpel. Und per Regexp wird man auch die Wiki-Syntax los.
Kannst Du mir bitte das Skript schicken?
Marco
-----BEGIN GEEK CODE BLOCK----- Version: 3.1 GCM d-- s:- a? C++$ UL++++ P+> L+++>$ E- W+++$ N+ o-- K- w--$ O+ M+ V PS+ PE- Y+ PGP+ t 5 X R UF++++ !tv b+> DI D+ G+ e> h r y++ ------END GEEK CODE BLOCK------
PS:Wie machst Du den??