Win10下运行WikiExtractor处理维基XML转储报cannot find context for 'fork'错误

• 初始ValueError: cannot find context for 'fork'报错：fork是Unix/Linux/macOS系统专属的进程启动方式，Windows系统的Python多进程模块multiprocessing原生不支持该方式，而WikiExtractor默认代码硬编码了fork作为进程启动参数，因此在Windows环境运行直接触发报错。
• 替换为spawn后TypeError: cannot pickle '_io.BufferedWriter'报错：spawn模式启动子进程时，需要将所有父进程传递给子进程的对象做序列化（pickle）处理，但WikiExtractor的原始代码直接将父进程打开的文件句柄传递给子进程，文件句柄属于不可序列化对象，因此触发序列化失败报错。

方案1：单进程运行（无需修改代码，操作最简单） #

直接在运行命令中添加--processes 1参数指定单进程执行，跳过所有多进程逻辑，即可避免进程启动方式相关的所有报错，命令如下：
wikiextractor -cb 250K --processes 1 -o extracted D:\Wiki_dumps\ruwiktionary-20211120-pages-articles-multistream.xml.bz2
该方案缺点是提取速度比多进程慢，适合数据量不大的场景。

方案2：WSL环境运行（无需修改代码，可保留多进程性能） #

在Windows系统中启用WSL（Windows Subsystem for Linux），安装Linux版本的Python和WikiExtractor，直接运行原始命令即可。WSL基于Linux内核，支持fork进程启动方式，不需要修改任何代码即可正常使用多进程提取，性能接近原生Linux环境。

方案3：修改代码适配Windows多进程 #

如果需要在Windows原生环境使用多进程提速，除了将Process = get_context("fork").Process中的fork改为spawn外，还需要修改WikiExtractor.py中的参数传递逻辑：移除传递给子进程的父进程文件句柄对象，改为子进程根据输出路径、分块编号等参数独立打开对应文件写入，避免不可序列化对象跨进程传递。

内容的提问来源于stack exchange，提问作者Shurup