- 输入：-
- 输出：
raw_data/*wiki-latest-pages-articles.xml.bz2 - 脚本：
download_wikipedia_raw_corpus.bash
- 输入：
raw_data/zhwiki-latest-pages-articles.xml.bz2 - 输出：
extracted_json_data/**/* - 脚本：
extract_wikipedia_json_corpus.bash
- 输入：
extracted_json_data/**/* - 输出：
spacy_standard_plain_files/* - 脚本：
json_corpus_to_plain_text.bash
- 输入：
spacy_standard_plain_files/* - 输出：
normaled_plain_files/* - 脚本：
normal_text.bash
- 输入：
normaled_plain_files/* - 输出：
sentence_data/* - 脚本：
split_text_to_sentence.bash
- 输入：
sentence_data/* - 输出：
token_cleaned_plain_files/* - 脚本：
token_plain_text.bash