Я просматривал дамп файла wikimedia abstracts (enwiki-latest-abstract. xml .gz) за последнюю неделю и заметил, что тезисы для многих элементов выглядят поврежденными.
Например, страница википедии для Алабама содержит следующий демпинговый реферат:
<title>Wikipedia: Alabama</title>
<url>https://en.wikipedia.org/wiki/Alabama</url>
<abstract>(We dare defend our rights)</abstract>
Аналогично, аннотация для элемента Авраама Линкольна :
<title>Wikipedia: Abraham Lincoln</title>
<url>https://en.wikipedia.org/wiki/Abraham_Lincoln</url>
<abstract>| term_start1 = March 4, 1847</abstract>
Похоже, что это частичный фрагмент из инфобокса.
Похоже, что такого рода искажения присутствуют в большинстве статей в enwiki-latest-abstract. xml .gz.
Буду признателен за любые советы по поводу того, это ошибка или есть ли у меня недопонимание по поводу этого файла дампа.
Спасибо!