1.安裝gensim
pip install gensim
會報一個問題，可以直接忽略。
2.下載下傳wiki語料
wget https://dumps.wikimedia.org/zhwiki/latest/zhwiki-latest-pages-articles.xml.bz2
3.用 WikiExtractor抽取正文文本
nohup python WikiExtractor.py -cb 1000M -o extracted zhwiki-latest-pages-articles.xml.bz2
nohup.out
運作時長：15點08分到16點，約1h
看一下運作結果：
4.繁簡體轉換
這個opencc安裝教程很強大！~
安裝Opencc，方法如下：
$git clone https://github.com/BYVoid/OpenCC.git
$cd OpenCC
$make
$make install
編譯報錯，更新gcc：【具體參考 gcc版本更新】
wget http: //ftp.gnu.org/gnu/gcc/gcc-4.8.0/gcc-4.8.0.tar.bz2<pre name="code" class="python">tar -jxvf gcc-4.8.0.tar.bz2<pre name="code" class="python">cd gcc-4.8.0
./contrib/download_prerequisites
cd ..
mkdir gcc-build-4.8.0
cd gcc-build-4.8.0
../gcc-4.8.0/configure --enable-checking=release --enable-languages=c,c++ --disable-multilib
make -j4
sudo make install
最後用新版替換舊版
update-alternatives --install /usr/bin/gcc gcc /usr/local/bin/i686-pc-linux-gnu-gcc 40
事實是，失敗了（笑着活下去...）
發現了這個更新教程更新gcc！之後覺得剛才的自己蠢蠢的，更新成功！
重新編譯安裝OpenCC！~
還是報錯（笑着活下去+1）...
libstdc++的問題，于是在/usr/local/lib64中找到了高版本的libstdc++.so.6.0.18檔案，将它複制并連結，代碼如下：
sudo cp /usr/local/lib64/libstdc++.so.6.0.20 /usr/lib64/
$ sudo ln -s -f /usr/lib64/libstdc++.so.6.0.20 /usr/lib64/libstdc++.so.6
結果還是報錯：
opencc: error while loading shared libraries: libopencc.so.2: cannot open shared object file: No such file or directory
于是去find這個檔案，并建立連結檔案：
sudo find / -name libopencc.so.2
sudo ln -s /usr/lib/libopencc.so.2 /usr/lib64/libopencc.so.2
這下終于ok了，感動天感動地2333
【總結：這次裝軟體配環境心态比較好，比較細心耐心，恩！~】
運作example：
恩，下面就開始處理wiki語料的繁簡體轉換了：
參考opencc官方文檔