WikiExtractor/wikiextractor：README 來源編輯指南

WikiExtractor/wikiextractor 的 README 將專案描述為「A tool for extracting plain text from Wikipedia dumps」。本文只整理倉庫可直接核對的內容，不把 star、Fork 或宣傳語當成品質證明。README 在「WikiExtractor」下寫到：The tool is written in Python and requires Python 3 but no additional library. Warning: problems have been reported on Windows due to poor support for StringIO in the Python implementation on Windows.。這說明的是專案邊界，不是已完成的生產驗證。

從 README 的「Details」與相關條目，可以先判斷它是否處理你的實際問題：a cache is kept of parsed templates (only useful for repeated extractions).。若需求不同，不應只因專案熱度就採用。本文保留原始專案名、命令與元件名，方便回到一手來源核對。 README 另外列出一項可核對的資訊：multiprocessing is used for dealing with articles in parallel。這類原文條目可用來設計試跑步驟，但不能取代實際環境測試。

README 將運作方式分散在「Details」等段落。可確認的線索包括：WikiExtractor performs template expansion by preprocessing the whole dump and extracting template definitions.。本文不把未寫出的架構、效能或安全邊界補成結論；真正的執行鏈仍要配合目錄、設定檔與版本標籤檢查。

第一次安裝應從 README 指出的入口開始。目前可核對的命令是： README 没有给出可直接复制的安装命令。 如果倉庫沒有命令，本文不會自行編造步驟，而是建議先閱讀「Wikipedia Cirrus Extractor」，確認系統依賴、預設埠與首次初始化。

日常使用取決於專案文件。README 的「Installation」段落提到：The installer also installs two scripts for direct invocation:。設定檔、環境變數、權限與資料目錄只在來源明確時才會記錄；沒有寫出的預設值，應在測試環境驗證並保留回滾副本。 同一部分也提到：multiprocessing is used for dealing with articles in parallel。

README 能確認的限制比宣傳頁更重要。現有來源沒有證明WikiExtractor/wikiextractor具備固定相容矩陣、服務等級、效能基準或長期支援承諾。README 只明確寫到「wikiextractor (equivalent to python -m wikiextractor.WikiExtractor) extractPage (to extract a single page from a dump)」。這些未知項應列入選型紀錄，不要改成肯定句。