維基百科簡體中文語料的獲取

　　最近作實驗須要較大規模的中文語料，很天然的就想到使用維基百科的中文數據。python 　　使用維基百科作訓練語料有不少好處：正則表達式 維基百科資源獲取很是方便，有 Wiki Dump 能夠直接下載，全部的最新備份都在裏面。最近的一次備份是3月底，也就是5天前。相比之下，其餘不少語料都須要用爬蟲抓取，或者付費得到。 維基百科的文檔解析有很是多的成熟工具，直接使用開源工具便可完成正文的提取。 維

>>阅读原文<<