Wikipedia データのダウンロードに向けて

前々から Wikipedia のデータを触ってみたいなと思っていて、ときおりデータについてのページとかを見てはいつつも具体的な行動はせずにいましたが、ようやく重い腰を上げることにしました。よっこいしょ。

日本語で書かれている Wikipedia:データベースダウンロード によると、 page-aticles.xml.bz2 が必要そうなので https://dumps.wikimedia.org/jawiki/ にアクセスし、 latest（20200820 相当）を辿り、該当すると思われる jawiki-latest-pages-articles.xml.bz2 をクリックしてみました。残り5時間とか6時間とか表示され、ダウンロードが一向に進まない感じなのでいったんキャンセルし、必要そうなファイルそれぞれを Wget でダウンロードすることにしました。

wget https://dumps.wikimedia.org/jawiki/latest/{jawiki-latest-pages-articles.xml.bz2,jawiki-latest-pages-meta-current.xml.bz2,jawiki-latest-all-titles-in-ns0.gz}