CLI オプション

入力

wicket <INPUT>

入力ファイルは位置引数です。Wikipedia XML ダンプファイルで、非圧縮（.xml）または bzip2 圧縮（.xml.bz2）のいずれかです。圧縮はファイル拡張子で自動検出されます。

出力ディレクトリ

wicket dump.xml.bz2 -o output/
wicket dump.xml.bz2 -o -

-o, --output <PATH> – 出力ディレクトリを指定します。デフォルトは text。

• ディレクトリパスを指定した場合、2文字ディレクトリ命名規則（AA/wiki_00 など）でファイルを作成
• - を指定した場合、ファイル分割せずにすべての出力を stdout に書き込み

ファイルサイズ

wicket dump.xml.bz2 -b 500K
wicket dump.xml.bz2 -b 1M
wicket dump.xml.bz2 -b 1G
wicket dump.xml.bz2 -b 0

-b, --bytes <SIZE> – 出力ファイルの最大バイト数。デフォルトは 1M。

サポートされるサフィックス: K（キロバイト）、M（メガバイト）、G（ギガバイト）。0 を指定すると各記事が個別のファイルに書き込まれます。

圧縮

wicket dump.xml.bz2 -c

-c, --compress – bzip2 で出力ファイルを圧縮。出力ファイルには .bz2 拡張子が付きます。

JSON 出力

wicket dump.xml.bz2 --json

--json – デフォルトの doc フォーマットの代わりに JSON Lines フォーマット（1行1JSON オブジェクト）で出力します。

並列ワーカー数

wicket dump.xml.bz2 --processes 8

--processes <N> – テキストクリーニングの並列ワーカー数。デフォルトは CPU コア数。

静粛モード

wicket dump.xml.bz2 -q

-q, --quiet – stderr への進捗出力を抑制。パイプで他のコマンドに出力を渡す際に便利です。

名前空間フィルタリング

wicket dump.xml.bz2 --namespaces 0
wicket dump.xml.bz2 --namespaces 0,1,2

--namespaces <IDS> – 抽出する名前空間 ID のカンマ区切りリスト。デフォルトは 0（メイン記事のみ）。

主な名前空間 ID: