维基百科语料库 xml有哪些标签，标签结构是什么样的

维基百科语料库 XML 文件中包含的标签有：

1. <mediawiki>：最外层的标签，包含整个维基百科的内容。
2. <page>：表示一篇维基百科文章，包含 <title>、<ns>、<id>、<revision> 等子标签。
3. <title>：表示文章的标题。
4. <ns>：表示文章所属的命名空间，如0表示主命名空间，14表示类别命名空间等。
5. <id>：表示文章的唯一标识符。
6. <revision>：表示文章的修订版本，包含 <id>、<timestamp>、<contributor>、<comment>、<text> 等子标签。
7. <timestamp>：表示文章修订的时间戳。
8. <contributor>：表示文章贡献者的信息，包含 <username> 和 <id> 两个子标签。
9. <comment>：表示文章修订的注释。
10. <text>：表示文章的正文内容。

标签结构大致如下：

<mediawiki>
  <page>
    <title></title>
    <ns></ns>
    <id></id>
    <revision>
      <id></id>
      <timestamp></timestamp>
      <contributor>
        <username></username>
        <id></id>
      </contributor>
      <comment></comment>
      <text></text>
    </revision>
  </page>
  ...
</mediawiki>