解释英语维基百科修订差异
Explaining English Wikipedia revisions diff
我找到了 those files on the download page of Wikipedia。
这些文件中的条目如下所示：
206430 12 0 'Anarchism' 1031579715 None True 3810 u'Bobdobbs1723' 11394:1:u'\n* [[Lysander Spooner]]\n* '
这是上次转储（第 15 号）的另一行：
348524708 26470001 0 'Southeast air corps training center' 1268053721 u'[[WP:AES|\u2190]]Redirected page to [[Category:USAAF Southeast Training Center]]' False 803088 u'Bwmoll3' 0:1:u'#redirect [[Category:USAAF Southeast Training Center]]'
这些是制表符分隔的值，第 6 列是在特定维基百科页面上提交的更改列表（页面名称在第 4 列中）。
我没有在网上找到任何关于这些日志结构的信息。特别具有挑战性的是记录了多项更改的更改列表的格式。
这里有人知道这些文件的结构吗？
这些转储来自名为 RevDiffSearch (formerly DiffDb), I believe. They are intended to be used with Lucene, and seem to be restructured versions of diffs from WikiHadoop 的工具。
结构是：
rev_id page_id namespace title timestamp comment minor user_id user_text diff1_position:diff1_action:diff1_content diff2_position:diff2_action:diff2_content
其中（copy-pasted 来自 here）：
rev_id: 所描述修订的标识符 PRIMARY KEYpage_id:被修改页面的标识符namespace: 页面命名空间的标识符title: 正在修改的页面标题timestamp: 修订发生的时间，以秒为单位的 Unix 纪元时间戳comment:编辑留下的编辑总结minor：编辑的次要状态（布尔值）user_id:保存修改的编辑者标识符user_text: 保存修改的编辑用户名diffs - 制表符分隔，差异操作。每个 diff 操作都包含三个部分（以冒号分隔）：
position: 文章文本中操作发生的位置action: 该操作是否添加或删除了一些文本？ （“1”表示添加，“-1”表示删除）content：操作的文本。对于添加的文本，这是要添加的内容。对于已删除的文本，这是已删除的内容。
我找到了 those files on the download page of Wikipedia。 这些文件中的条目如下所示：
206430 12 0 'Anarchism' 1031579715 None True 3810 u'Bobdobbs1723' 11394:1:u'\n* [[Lysander Spooner]]\n* '
这是上次转储（第 15 号）的另一行：
348524708 26470001 0 'Southeast air corps training center' 1268053721 u'[[WP:AES|\u2190]]Redirected page to [[Category:USAAF Southeast Training Center]]' False 803088 u'Bwmoll3' 0:1:u'#redirect [[Category:USAAF Southeast Training Center]]'
这些是制表符分隔的值，第 6 列是在特定维基百科页面上提交的更改列表（页面名称在第 4 列中）。 我没有在网上找到任何关于这些日志结构的信息。特别具有挑战性的是记录了多项更改的更改列表的格式。 这里有人知道这些文件的结构吗？
这些转储来自名为 RevDiffSearch (formerly DiffDb), I believe. They are intended to be used with Lucene, and seem to be restructured versions of diffs from WikiHadoop 的工具。
结构是：
rev_id page_id namespace title timestamp comment minor user_id user_text diff1_position:diff1_action:diff1_content diff2_position:diff2_action:diff2_content
其中（copy-pasted 来自 here）：
rev_id: 所描述修订的标识符 PRIMARY KEYpage_id:被修改页面的标识符namespace: 页面命名空间的标识符title: 正在修改的页面标题timestamp: 修订发生的时间，以秒为单位的 Unix 纪元时间戳comment:编辑留下的编辑总结minor：编辑的次要状态（布尔值）user_id:保存修改的编辑者标识符user_text: 保存修改的编辑用户名diffs- 制表符分隔，差异操作。每个 diff 操作都包含三个部分（以冒号分隔）：position: 文章文本中操作发生的位置action: 该操作是否添加或删除了一些文本？ （“1”表示添加，“-1”表示删除）content：操作的文本。对于添加的文本，这是要添加的内容。对于已删除的文本，这是已删除的内容。