如何从维基百科20221201数据dump中获取仅含元数据的文件？

你查看的2022年12月1日英文维基百科dump页面里，确实存在仅包含元数据的文件，无需下载完整页面内容，按需求对应选择即可：

• 标题、编辑时间等核心页面元数据：
  • 偏好文本格式的话，找名称带pages-articles-multistream-index的文件（比如enwiki-20221201-pages-articles-multistream-index.txt.gz），里面只记录页面标题、ID、最后编辑时间这类基础元数据，不含正文内容。
  • 需要结构化数据的话，选SQL dumps分类下的page.sql.gz，这里面有标题、页面ID、创建时间、最后编辑者、最后编辑时间等更详细的结构化信息。
• 分类信息：SQL dumps里的categorylinks.sql.gz，记录了页面与分类的关联关系，可直接获取每个页面所属的分类。
• 浏览量数据：SQL dumps下的pageview.sql.gz（部分版本命名为page_stats.sql.gz）包含页面浏览统计数据，不过部分历史dump的浏览量数据仅保留近期统计，解压后可确认具体字段。

另外，页面中的stub-meta-history相关文件（比如enwiki-20221201-stub-meta-history.xml.gz）也包含编辑历史元数据，同样不含完整内容，适合需要追踪编辑记录的场景。

内容的提问来源于stack exchange，提问作者Jabrove