Wikidata:Stažení databáze
Wikidata nabízí kopii dostupného obsahu ke stažení komukoli.
Uvědomte si ale, že existují i jiné metody přístupu ke strukturovanému obsahu Wikidat, které nemusí vyžadovat stažení celé databáze.
Database dumps
There are several different kinds of data dumps available. Note that while JSON and RDF dumps are considered stable interfaces, XML dumps are not. Changes to the data formats used by stable interfaces are subject to the Stable Interface Policy.
JSON dumps (recommended)
JSON dumpy obsahující všechny entity Wikidat jako jedno JSON pole můžete najít na https://dumps.wikimedia.org/wikidatawiki/entities/. Entity v poli nemají žádné definované pořadí, např. Q2 není nutně za Q1. Tyto dumpy se vytvářejí jednou týdně.
This is the recommended dump format. Please refer to the JSON structure documentation for information about how Wikidata entities are represented.
Hint: Each entity object (data item or property) is placed on a separate line in the JSON file, so the file can be read line by line, and each line can be decoded separately as an individual JSON object.
Note that the files are using parallel compression, which means that some decompressors cannot reliably unpack the files. If you are using Windows you can use e.g. Bzip2. On *nix systems, use lbzip2 which can decompress Bzip2 in parallel. pbzip2 is not a good choice because it is not able to decompress in parallel files not compressed with pbzip2.
You can currently download a fairly recent dump using a torrent.
wikidata-20220103-all.json.gz (109.04 GiB) on academictorrents.com (
magnet)
- JsonDumpReader is a PHP library for reading the dumps.
- gitlab.com/tozd/go/mediawiki is a Go library for processing Wikipedia and Wikidata dumps.
- WDSub is a Scala library that processes JSON Wikibase dumps and can generate subsets using entity schemas as inputs
- simple-wikidata-db is a JSON dump parser written in Python
- qwikidata supports JSON dumps and is written in Python
RDF dumps
First, canonical RDF dumps using the Turtle and NTriples formats can be found under https://dumps.wikimedia.org/wikidatawiki/entities/. The mapping is described here. These full statements are noted as all.
Secondly, so called truthy dumps are provided. They use the nt format. They are in the same format as the full dumps, but limited to direct, truthy statements. Therefore, they do not contain meta data such as qualifiers and references.
The -all dump files contain all entity information in Wikidata with the exception of order (of aliases, of statements, etc.), which is not naturally represented in RDF. The -truthy dump files encode the *best* statements (i.e. the ones with the highest rank of each given (subject, property) pairs) as single RDF triples (qualifiers and references are omitted).
The dumps of Wikidata Lexeme namespace in Turtle and NTriples formats can be found in the same place with lexemes suffix.
For details on the RDF dump format please see the page RDF Dump Format.
Partial RDF dumps
WDumper is a third-party tool to create custom Wikidata RDF dumps. Entities and statements may be filtered.
XML dumps
Úplné XML dumpy Wikidat můžete najít na https://dumps.wikimedia.org/wikidatawiki/.
Warning: The format of the JSON data embedded in the XML dumps is subject to change without notice, and may be inconsistent between revisions. It should be treated as opaque binary data. It is strongly recommended to use the JSON or RDF dumps instead, which use canonical representations of the data!
Inkrementální dumpy (též Add/Change dumps) jsou dumpy, které obsahují data z posledních 24 hodin. Tyto dumpy jsou podstatně menší.
Tyto dumpy jsou k dispozici na https://dumps.wikimedia.org/other/incr/wikidatawiki/.
Old JSON and RDF dumps
Old RDF and JSON dumps can be found on the Internet Archive (Q461):
Datový model
Datový model je k nahlédnutí zde. Datový model popisuje základní stavební bloky dat Wikidat.
Schéma databáze
Přehledové schéma databáze je k dispozici na této stránce. (Nejedná se o schéma dat na Wikidatech.)
Licence
Tyto databáze lze využít pro osobní i komerční účely, zálohy či offline použití. Všechna strukturovaná data z hlavního jmenného prostoru a jmenných prostorů Property, Lexeme a EntitySchema jsou k dispozici pod licence Creative Commons CC0. Texty v dalších jmenných prostorech jsou k dispozici pod licencí Creative Commons Uveďte autora-Zachovejte licenci; mohou být uvedeny i dodatečné podmínky. Média a další obsah je dostupný podle jiných licencí, které lze zjistit na příslušných popisných stránkách.
Související stránky
- Wikipedia:Big data
- For instructions on retrieving RDF for individual items see the Data access page.