提取和解析维基百科文章

Question

我有 xml 格式的维基百科文章，我只需要提取项目文章中的单词。我在 XML 解析方面没有经验。有没有提取所有单词的工具或库？

Answer 1

如果您喜欢 Python，Beautiful Soup 是一个不错的选择。

如果您不喜欢 Python，请了解 Python。

Answer 2

Nokogiri 是一个强大的 Ruby 库，可以满足您的需求。

它允许您遍历 XML 和 HTML 文档并使用 xpath 或 CSS3 选择器来选择某些元素，例如文章文本。