[Fr|法文]维基百科讨论页面的处理手册

《维基百科讨论页面的处理手册》是从《CoMeRe》的项目《Wikiconflits》整理出来的一份操作手册,它介绍了为何分析,如何从维基百科的DUMP中提取相关页面,并如何分析页面中的Wikitext(维基文本),最后转换成项目要求的最终TEI格式。目前版本V2.0, 在1.0版本上添加了转换TEI的内容。本手册语言为法文。

手册法文介绍:
“Wikiconflits, un corpus extrait de Wikipédia : principe et méthode d’élaboration”, Le groupe CoMeRe-nouvelles-acquisitions-Wikipédia vise à constituer un corpus de pages Wikipédia qui sera adjoint au corpus CoMeRe afin d’améliorer sa représentativité. Son choix s’est porté autour de l’observation de pages ayant suscité des discussions conflictuelles autour de controverses dans les champs des sciences et des techniques. Dans une première partie, le groupe explique sa méthode de sélection des discussions conflictuelles. Dans les parties suivantes, le groupe CoMeRe-LRL expose la méthode de constitution du corpus en fonction des critères précédemment retenus et la façon de les transformer en TEI. Ce rapport se termine par la présentation de l’outil WikiTool développé lors des traitements. Mis à disposition sous licence libre il permet d’extraire des pages dans les fichiers de type Dump de Wikipedia.

CoMeRe网站(法文) http://comere.org/
下载: cmr-wikiconflits-tei-v2-manuel

维基百科的“ 历史页面 “

如要要分析处理维基百科某一个页面的历史记录,最好的方式就是通过“历史页面”来寻找不同版本直接的区别。这里介绍了HTML格式下面,这些信息的存储格式,以便自动筛选信息。

如要要分析处理维基百科某一个页面的历史记录,最好的方式就是通过“ 历史页面 ”来寻找不同版本直接的区别。这里介绍了HTML格式下面,这些信息的存储格式,以便自动筛选信息。
维基百科为每一个页面提供了一个动态的历史界面,以记录每次的修改。这个页面由一个列表构成,表中的每一条都是一次修改记录,如下: 
GetImage

每条记录由修改日期、修改人、修改内容大小、是否是微小修改、修改备注构成,当然每条修改记录有相对应的文章正文,只是这个正文需要点击链接进入另外一个页面找到(这个和DUMP中的数据不一样,查看《文章页面及历史版本》)。

这个页面由于是一个动态页面,因此无法从DUMP文件中找出,只能通过HTML格式的方式将页面保存下来。因为是HTML的格式,所以页面的源代码包括了大量的格式化的代码,而要取得所需信息,就需要定位所信息的位置,之后,通过分析代码的结构即可取得所需信息。

在HTML页面中,历史记录的位置在”id”为”pagehistory”的<ul>标签之间,每条记录以<li>的代码形式被保存着,如下

<ul id="pagehistory">
<li>...</li>
<li>...</li>
<li>...</li>
</ul>

每条<li>的记录格式的内容结构如下:

&lt;ul&gt;
&lt;li&gt;
&lt;span&gt;(&lt;a
href="https://fr.wikipedia.org/w/index.php?title=Histoire_de_la_logique&amp;amp;diff=100272207&amp;amp;oldid=97547514"
title="Histoire de la logique"&gt;actu&lt;/a&gt; | &lt;a
href="https://fr.wikipedia.org/w/index.php?title=Histoire_de_la_logique&amp;amp;diff=97547514&amp;amp;oldid=97547510"
title="Histoire de la logique"&gt;diff&lt;/a&gt;)&lt;/span&gt;
&lt;input type="radio" value="97547514" name="oldid" id="mw-oldid-97547514" style="visibility: visible;" /&gt;
&lt;input type="radio" value="97547514" name="diff" id="mw-diff-97547514" style="visibility: hidden;" /&gt;
&lt;a href="https://fr.wikipedia.org/w/index.php?title=Histoire_de_la_logique&amp;amp;oldid=97547514"
title="Histoire de la logique"&gt;17 octobre 2013 à 15:25&lt;/a&gt;‎
&lt;span&gt;
&lt;a href="https://fr.wikipedia.org/wiki/Utilisateur:Salebot"
title="Utilisateur:Salebot"&gt;Salebot&lt;/a&gt;
&lt;span&gt;(&lt;a
href="https://fr.wikipedia.org/wiki/Discussion_utilisateur:Salebot"
title="Discussion utilisateur:Salebot"&gt;discuter&lt;/a&gt; | &lt;a
href="https://fr.wikipedia.org/wiki/Sp%C3%A9cial:Contributions/Salebot"
title="Spécial:Contributions/Salebot"&gt;contributions&lt;/a&gt;)&lt;/span&gt;
&lt;/span&gt;‎
&lt;span&gt;. .&lt;/span&gt;
&lt;span&gt;(23&amp;nbsp;130 octets)&lt;/span&gt;
&lt;span dir="ltr" title="23&amp;nbsp;130 octets après changement"
>(-76)&lt;/span&gt;
&lt;span&gt;. .&lt;/span&gt;
&lt;span&gt;(bot : révocation de &lt;a
href="https://fr.wikipedia.org/wiki/Sp%C3%A9cial:Contributions/193.253.229.112"
title="Spécial:Contributions/193.253.229.112"&gt;193.253.229.112&lt;/a&gt;
(modification suspecte : -399), retour à la version 97088153 de Proz)&lt;/span&gt;
(&lt;span&gt;&lt;a
href="https://fr.wikipedia.org/w/index.php?title=Histoire_de_la_logique&amp;amp;action=edit&amp;amp;undoafter=97547510&amp;amp;undo=97547514"
title="Histoire de la logique"&gt;annuler&lt;/a&gt;&lt;/span&gt;)
&lt;/li&gt;
&lt;/ul&gt;

通过这个结构,我们可以找出一下内容:

  1. 版本(revision) 的ID(这个ID在整个维基百科中是唯一的):https://fr.wikipedia.org/w/index.php?title=Histoire_de_la_logique&amp;oldid=97547514
  2. 版本时间:17 octobre 2013 à 15:25
  3. 这个版本的用户链接:https://fr.wikipedia.org/wiki/Utilisateur:Salebot
  4. 用户名:Salebot
  5. 文章内容大小:23 130 octets
  6. 修改内容大小:-76
  7. 文章编辑的记录:(bot : révocation de 193.253.229.112 (modification suspecte : -399), retour à la version 97088153 de Proz)
  8. 另外,微小编辑属于附加属性,在源代码中按以下方式保存:
    <abbr title=”Cette modification est mineure.”>m</abbr>