背景
假设我想从MediaWiki中提取所有页面/修订的解析内容文本。让我们考虑一下庞大的英文维基百科。
我可以通过下载所需的数据，设置我自己的MediaWiki安装，并运行一个循环来调用以下内容来实现这一点：
http://localhost/mediawiki/api.php?uselang=en&format=xml&action=query∝extracts&exintro=&explaintext=&titles=
这使用TextExtracts(https://github.com/wikimedia/mediawiki-extensions-TextExtracts)扩展，它在内部实际上做了一些事情：
http://localhost/mediawiki/api.php?uselang=en&format=xml&action=parse∝text&title=
问题
现在，我不想使用带有MySQL数据库的MediaWiki安装等等。但我想使用MediaWiki XML数据转储(巨大的英文维基百科XML转储-ewiki最新页面articles.XML.bz2(来做我所描述的事情。有什么想法可以解决这个问题吗？
看起来所有调用WikiPage->getContent等的解析逻辑都在MediaWiki PHP类中——它们耦合得太紧密了，我无法将它们取出(除非我想花几个星期的时间(并编写自己的脚本来处理转储。有什么脚本可以让我这么做吗？我的首选语言是Java，但我对各种选择持开放态度。
2005年前后，我编写了一些Python代码，将MW XML转换为Dict，不确定它是否仍然有效，但可以用来检查您是否喜欢Python:wik2ict。
去年，我写了一些CoffeeScript代码，将XML转储转换为Meteor应用程序(最后是Phonegap应用程序(。mediawikixml2meteor2phonegap。这一个在英文维基百科上失败是因为它的大小，但它在较小的维基上运行良好，比如Hitchwiki。
这两个项目都远非完美，但它们能够处理大多数情况。