2 Descrição do Problema

Primeiramente temos que analisar estrutura do ficheiro do qual vamos extrair informação. Reparamos que o ficheiro em questão tinha a seguinte estrutura:

$\begin{code_xml} <page> ... </page> <page> ... </page> <page> ... </page> ... \end{code_xml}$

Cada tag page tem a seguinte estrutura:

$\begin{code_xml} <page> <title>Astronomia e astrofisica</title> <id>221</id> ... ...lemotright{} ...$

Nesta parte, para cada page queremos a PalavraPT.

Fazendo um zoom à secção text reparamos que aí poderíamos encontrar a respectiva palavra em Inglês e a respectiva categoria da página em que estamos:

$\begin{code_xml} <text xml:space=''preserve\guillemotright{}... ... [[Categor... ..... [[Categoria:CATEGORIAn]] ... [[en:PalavraEN]] ... </text> \end{code_xml}$

Como reparamos que cada página pode ter várias categorias, nós lemos todas as categorias da página.

Assim, nesta parte, para cada page queremos todas as , $\forall_{1 \leq i \leq n}$ e a PalavraEN.

ulisses 2008-04-13