下载的wiki离线数据库，格式是xml怎么用呢？

简单步骤分步阅读

1

/3

下载 WikiTaxi 和离线维基百科数据库

在你使用 WikiTaxi 之前，必须先下载它和维基百科的离线数据库，我们提供了简化版的英文版、完整英文版和中文版的维基数据库供大家下载，下载链接位于文章结尾处，请根据自己的需求选择下载。不过数据比较大，并且服务器位于国外，速度有点不尽人意，只能有点耐心吧。

2

/3

导入维基数据库到 WikiTaxi

因为维基百科提供的离线数据库(.xml.bz2)文件格式 WikiText 并不能直接使用，所以我们需要先将数据库转换成 WikiTaxi 的 .taxi 格式。下载解压 WikiTaxi 之后你可以看到一个 WikiTaxi_Importer.exe 的文件，双击运行它。简单来说，它就是一个转换数据库格式的工具。使用方法和简单，第一项选择 .xml.bz2 文件，第二项选择要保存转换好的.taxi文件，然后按 Import Now 即可开始。中间那个横条是用来调整分配多少内存给该工具来进行转换工作，当然能用的内存越多，转换速度也就也快了。转换好之后，如没特别需要，之前那个.xml.bz2的文件你可以删除掉了。

3

/3

运行 WikiTaxi

如果你已经制作好.taxi数据库之后，那么双击运行 wikitaxi.exe ，在菜单里选择 “Options”->“Open *.taxi Database”来打开刚才那个制作好的.taxi数据库文件即可。然后，就没然后了，你现在已经拥有一个离线的维基百科数据库了！想查询什么直接搜索就行了。

使用方法

1

/2

WikiTaxi首先需要Wikipedia的数据文件，比如在这里可以下载英文版本的备份导出文件：

http://dumps.wikimedia.org/enwiki/

一般选择pages-articles.xml.bz2，20100916的备份导出文件已经达到了6.1G。

下载之后，运行WikiTaxi_Importer.exe，将该数据文件转换提取成自己的数据库格式文件.taxi，通常设置更多的内存，会提高转换提取的速度，这个过程可能会有几十分钟以上。WikiTaxi转换提取后的数据库约为10.7G。

2

/2

转换提取完成后，运行WikiTaxi.exe, 打开数据库文件，即可开始离线浏览、搜索Wikipedia了，默认是随机挑选的页面。在数据库转换提取正确的情况下，就可以删除Wikipedia备份导出文件了。如果希望运行时自动加载数据库文件，可以创建使用命令行参数方式，

这区别可大了，不是一个概念。mysql是传统的关系型数据库。hdfs是nosql hadoop的存储方式。hdfs是分布式的自带高可用存储，文件格式跟mysql的存储引擎不一样。大数据离线存储，当然是hdfs更合适

---