wiki中文語料下載及繁體轉簡體的處理。

wiki中文語料下載地址：https://dumps.wikimedia.org/zhwiki/latest/zhwiki-latest-pages-articles.xml.bz2 下載後是xml的文件，需要轉換爲中文的txt文件，網上又很多處理的python代碼。 #!/usr/bin/env python # -*- coding: utf-8 -*- #將xml的wiki數據轉換爲tex

>>阅读原文<<