https://wiki-de.moshellshocker.dns64.de/index.php?action=history&feed=atom&title=Wikipedia%3ADVD%2FDigibib%2FRohdaten 2026-06-22T07:57:35Z Versionsgeschichte dieser Seite in Wikipedia (Deutsch) – Lokale Kopie MediaWiki 1.43.8 https://wiki-de.moshellshocker.dns64.de/index.php?title=Wikipedia:DVD/Digibib/Rohdaten&diff=313716&oldid=prev 2022-10-22T12:23:31Z

<p><a href="/index.php/Spezial:LintErrors/obsolete-tag" class="new" title="Spezial:LintErrors/obsolete-tag (Seite nicht vorhanden)">veraltete Tags</a> &lt;tt&gt;→&lt;code&gt;</p> <p><b>Neue Seite</b></p><div>{{Wikipedia-Archiv|Publikationen|DVD/Digibib/Rohdaten}}<br /> Auf der DVD der [[Wikipedia:DVD|Wikipedia-Distribution]] sind einige Daten dabei, die sich gut für Untersuchungen verwenden lassen. An dieser Stelle ein wenig [[Reverse Engineering]] mit Unterstützung von Directmedia.<br /> <br /> == Verzeichnisstruktur ==<br /> === DVD ===<br /> * &lt;code&gt;Autoren&lt;/code&gt;<br /> ** &lt;code&gt;AutKurz.txt&lt;/code&gt;: Quellenangabe (vermutliche Hauptautoren). Zeilenweise pro Artikel: &lt;code&gt;Titel&lt;/code&gt;, &lt;code&gt;Autoren&lt;/code&gt; (per &lt;code&gt;@&lt;/code&gt; getrennte Liste), &lt;code&gt;IPCount&lt;/code&gt; (Anzahl anonymer Autoren).<br /> ** &lt;code&gt;AutLang.txt&lt;/code&gt;: Bearbeitungsgeschichte eines jeden Artikels (jeweils eine Liste mit allen Bearbeitungsschritten und den Feldern &lt;code&gt;Datum/Zeit&lt;/code&gt;, &lt;code&gt;Autor&lt;/code&gt;, &lt;code&gt;minorflag&lt;/code&gt;, &lt;code&gt;Kommentar&lt;/code&gt;).<br /> ** &lt;code&gt;AutLang.idx&lt;/code&gt;: Indexdatei zum Zugriff auf &lt;code&gt;AutLang.txt&lt;/code&gt;<br /> * &lt;code&gt;Data&lt;/code&gt;<br /> ** &lt;code&gt;Coverm84.bmp&lt;/code&gt;: Cover der DVD (klein)<br /> ** &lt;code&gt;Index.htx&lt;/code&gt;: Hashtabelle<br /> ** &lt;code&gt;Index.set&lt;/code&gt;: Nicht benötigt.<br /> ** &lt;code&gt;Index.wlx&lt;/code&gt;: Wortliste mit diversen Zeigern<br /> ** &lt;code&gt;Tree.dka&lt;/code&gt;: Verzeichnisstruktur (u.A. alle Artikeltitel). Zeilenweise und per Leerzeichen eingerückt (Achtung: die Artikeltitel von Personenartikeln sind permutiert)<br /> ** &lt;code&gt;lemmata.txt&lt;/code&gt;: &lt;code&gt;Artikeltitel#LemmatagruppeSeite&lt;/code&gt; Lemmatagruppe ist dabei &quot;A&quot; für Sachartikel und &quot;B&quot; für Personenartikel.<br /> ** &lt;code&gt;DigiBib.txt&lt;/code&gt;: ini-Datei mit Einstellungen der DVD<br /> ** &lt;code&gt;Index.plx&lt;/code&gt;: Reverse Index<br /> ** &lt;code&gt;Index.ttx&lt;/code&gt;: Sequentielle Wortnummern<br /> ** &lt;code&gt;Text.dki&lt;/code&gt;: Die gesamten Texte der Wikipedia (komprimiert)<br /> ** &lt;code&gt;tabelle0.tab&lt;/code&gt;: Personendaten, internes Format. [http://download.directmedia.de/wikipedia/wikipedia_1_2005_personendaten.zip Hier] als Tab-getrennte Textdatei.<br /> * &lt;code&gt;db&lt;/code&gt;<br /> ** &lt;code&gt;Gindex.dbz&lt;/code&gt;: Passwordgeschützes Zip-Archiv mit Covern, Inhaltsverzeichnissen und Lemmatalisten aller Titel der Digitalen Bibliothek. Die Unterverzeichnisse &lt;code&gt;DB001/Data&lt;/code&gt; bis &lt;code&gt;TYP09/Data&lt;/code&gt; enthalten jeweils vier Dateien: &lt;code&gt;CovermXY.bmp&lt;/code&gt; (wobei XY eine Zahl), &lt;code&gt;lemmata.txt&lt;/code&gt;, &lt;code&gt;tree.dki&lt;/code&gt; und &lt;code&gt;tree.idx&lt;/code&gt;. Installiert man die Wikipedia auf die Festplatte und wählt &quot;auch Suchinformationen anderer Bände&quot;, werden diese Dateien im Klartext in entsprechende Unterverzeichnisse entpackt. Hat nichts mit der Wikipedia zu tun.<br /> * &lt;code&gt;HTML&lt;/code&gt;<br /> ** &lt;code&gt;HTML.dat&lt;/code&gt;: Virtuelles Verzeichnis mit hintereinandergepappten HTML-Dateien<br /> ** &lt;code&gt;HTML.idx&lt;/code&gt;: Index-Datei zum Zugriff auf HTML.dat. Zeilenweisen: &lt;code&gt;Dateiname Position Länge&lt;/code&gt;. Die Dateinamen sind von &lt;code&gt;ta000000.html&lt;/code&gt; bis &lt;code&gt;ta038748.html&lt;/code&gt; durchnummeriert. Dabei handelt es sich höchstwahrscheinlich um die in die Artikel eingebundenen Tabellen.<br /> * &lt;code&gt;Images&lt;/code&gt;: Alle Bilder in einer Datei<br /> * &lt;code&gt;linux&lt;/code&gt;: Programmdateien<br /> * &lt;code&gt;PDA&lt;/code&gt;: Daten im Mobipocket Reader Format<br /> <br /> === CD ===<br /> <br /> * &lt;code&gt;images&lt;/code&gt; alle Bilder (2.378 Dateien, 22MB)<br /> * ...der Rest scheint nicht direkt verarbeitbar (durch Knoppix/Lamppix komprimiert)<br /> <br /> == XML ==<br /> <br /> Die [http://download.directmedia.de/wikipedia/wikipedia_1_2005_xml.zip Quelldaten] sind online erhältlich. Da der Generator der Digibib es nicht allzu genau nimmt, hat der Dump2Digibib-Konverter es auch nicht allzu genau genommen... Teilweise gibt es überlappende Tags. Wenn jemand wirklich wohlgeformte Daten braucht, bitte an [[Benutzer:Vlado|Vlado]] wenden.</div>

imported>Lómelinde