亲亲宝宝

首页 > IT杂谈 > windows中mwdumper导入zhwiki的数据

windows中mwdumper导入zhwiki的数据

2010年4月19日发表评论阅读评论

我使用的是MWDumper is a quick little tool for extracting sets of pages from a MediaWiki dump file.导入mediawiki中的中文数据包.

首先需要强调的是download下的mwdumper.jar包,已经不能导入新版本的了,需要下载http://csomalin.csoma.elte.hu/~tgergo/wiki/mwdumper.jar这里的才能欲行,在windows下还是gui可视化界面,操作比较方便;

第二、运行时需要安装jdk1.5或以上,提示server/jvm.dll找不到,把java/jdk/jre/bin/server文件夹拷贝到java/jre/bin目录

第三、sql语法错误,查看mysql的数据库是否默认为utf8;

第四、 Duplicate entry主键重复,需要把要导入的表和字段字符集修改为 binary,或者是表中已有数据:

ALTER TABLE TEXT DEFAULT CHARACTER SET BINARY;

ALTER TABLE page DEFAULT CHARACTER SET BINARY;

ALTER TABLE revision DEFAULT CHARACTER SET BINARY;

delete from page;

delete from revision;

delete from text;

第五、字段太长被截取

Exception in thread "main" java.io.IOException: com.mysql.jdbc.MysqlDataTruncati

on: Data truncation: Data too long for column ‘rev_comment’ at row 809

at org.mediawiki.importer.XmlDumpReader.readDump(Unknown Source

解决办法:ALTER TABLE revision MODIFY COLUMN rev_comment BLOB NOT null

第六、性能提示:

max_allowed_packet = 128M

innodb_log_file_size = 100M

导入前先去掉表的主键和索引;

把mysql的二进制日志先关掉;

自己导入900多万条数据,总共花费3个多小时.

分类: IT杂谈标签: mediawiki 4,766 次阅读