The name of the file is: frwiki-20130903-pages-articles.xml, i.e. the same as you but expanded.

I read the file with a basic java string reader.

I made the two steps.

STEP#1 => I search the string "appellent souvent par son diminutif" which is a fragment of the first two paragraphs.

I found one page, the following page which is rather small:

<page> <title>Wikipédia:Lumière sur/Los Angeles</title> <ns>4</ns> <id>1571337</id> <revision> <id>85796126</id> <parentid>85773082</parentid> <timestamp>2012-11-26T18:44:23Z</timestamp> <contributor> <ip>108.59.74.132</ip> </contributor> <text xml:space="preserve">[[Fichier:LA Skyline Mountains2.jpg|left|200px|Los Angeles]]&lt;/div&gt;

'''[[Los Angeles]]''' (en [[anglais]] {{API|[lɑˈsændʒələs]}}, en [[espagnol]] {{API|[los ˈaŋxeles]}}) est la [[Liste des villes les plus peuplées des États-Unis|deuxième]] plus grande [[Villes aux États-Unis d'Amérique|ville des États-Unis]] après [[New York]]. Elle est située dans le sud de la [[Californie]], sur la côte [[Océan Pacifique|pacifique]]. Les Américains l'appellent souvent par son diminutif, ''L.A.'', prononcé « èl é ». Cette ville est le siège du [[comté de Los Angeles|comté portant le même nom]]. Los Angeles signifie « les anges » en [[espagnol]] et ses habitants sont appelés ''Angelenos'' (quelquefois ''Angelinos'') — les Angelins. Son nom complet est ''Pueblo de Nuestra Señora la Reina de Los Ángeles del Río de Porciúncula'', c'est-à-dire « Le village de Notre-Dame la Reine des Anges de la rivière de Porcioncule ».

La population de la municipalité est de {{formatnum:3833995}} habitants en 2008, alors qu'elle n'était que de {{formatnum:11500}} en [[1887]]. Le [[Comté de Los Angeles|comté]] rassemble {{formatnum:10179716}} habitants alors que l'[[aire urbaine]] de Los Angeles (''city-region'') compte environ {{unité|18.5|millions}} d’habitants, ce qui en fait la deuxième agglomération des [[États-Unis]] après celle de New York. Mais la municipalité propre de Los Angeles est relativement restreinte face à [[Grand Los Angeles|l'agglomération]] angeline, même si elle est plus grande que New York et [[Chicago]]. Los Angeles est une [[ville olympique]] : elle a accueilli les Jeux deux fois (en [[1932]] et [[1984]]). Mondialement connue pour son activité scientifique et culturelle, elle entend conserver son statut de ville-région mondiale (''world city-region''). L. A. est cosmopolite et demeure l'un des points d'entrée d'immigrants les plus importants aux États-Unis.

{{q|Los Angeles}} &lt;noinclude&gt; [[Catégorie:Lumière sur/Los Angeles|{{SUBPAGENAME}}]] [[Catégorie:Lumière sur/Accueil/Décembre 2006|D 13]] &lt;/noinclude&gt;</text> <sha1>exzm85f5prcsa6vtqtpmu0k5dccvvif</sha1> <model>wikitext</model> <format>text/x-wiki</format> </revision> </page>

STEP#2 => I searched the string "des concessions sont offertes par le" which is in the interactive page, the third paragraph, but is not in the dump.

Question: where if the third paragraph and the infobox?

Thanks, Gil

Le 16/09/2013 19:20, Petr Onderka a écrit :

I'm afraid you'll have to be much more concrete than that if you want us to help you.

First of all, which dump are you talking about? I'm assuming you're talking about French Wikipedia (and not for example French Wikivoyage), but which file specifically did you use? And how exactly did you read it?

When I tried this with the frwiki-20130903-pages-articles.xml.bz2 dump, I found the whole article there (and no {{q}}).

Petr Onderka [[en:User:Svick]]

On Mon, Sep 16, 2013 at 6:24 PM, Gil Francopoulo gil.francopoulo@wanadoo.fr wrote:

...

Dear all,

I'd like to extract information from the infobox and textual definition, but I realize that some entries are not fully contained in the French dump, compared with the interactive pages.

For instance, the entry "Los Angeles" (the city in California and not the one in Chili) is incomplete.

Only the first two paragraphs are there. The infobox and the rest of the page are missing.

I noticed a call to the "q" template like this: {{q|Los Angeles}} which states that this entry is an entry of good quality.

My questions are:

• do you think that it is a bug?
• is there a relation between the "q" call and the fact that the entry is

partial?

• where is it possible to get the infobox for Los Angeles?

Merci d'avance, Gil Francopoulo Tagmatica/Spotter/CNRS

---

Xmldatadumps-l mailing list Xmldatadumps-l@lists.wikimedia.org https://lists.wikimedia.org/mailman/listinfo/xmldatadumps-l

Hi Petr,

Thanks for your reply, but, in the French dump (frwiki-20130903-pages-articles.xml) :

1) there is no page with the content: <title>Los Angeles</title>

2) there is a page with <title>Los Angeles, Californie</title> with the content <redirect title="Los Angeles" />

3) there is a page with <title>Los Angeles, California</title> with the content <redirect title="Los Angeles" />

4) there is a page with <title>Los Angeles (Californie)</title> with the content <redirect title="Los Angeles" />

Thus, where is Los Angeles?

Gil

Le 16/09/2013 23:20, Petr Onderka a écrit :

On Mon, Sep 16, 2013 at 10:52 PM, Gil Francopoulo gil.francopoulo@wanadoo.fr wrote:

...

<title>Wikipédia:Lumière sur/Los Angeles</title>

That's not the page "Los Angeles", it's "Wikipédia:Lumière sur/Los Angeles" (https://fr.wikipedia.org/wiki/Wikip%C3%A9dia:Lumi%C3%A8re_sur/Los_Angeles). Try searching the XML for <title>Los Angeles</title>. Or, even better, use a XML parser (I believe that in Java, you would use SAX) and search for <page> that contains <title> with the content "Los Angeles".

Petr Onderka [[en:User:Svick]]

Hi Petr,

You are perfectly right. It was a stupid bug on my side (a bug is always stupid, isn't it? ;-) ).

So, the entry "Los Angeles" is complete.

Thanks a lot, Gil

Le 17/09/2013 12:59, Petr Onderka a écrit :

On Tue, Sep 17, 2013 at 8:52 AM, Gil Francopoulo gil.francopoulo@wanadoo.fr wrote:

...

there is no page with the content:

<title>Los Angeles</title>

There is. It's on line 294990, with id 1786, before any of the redirects you mentioned. The only thing I can think of that could be wrong is your code that searches the file.

Petr Onderka [[en:User:Svick]]