公开记录
软件健康报告模式 0.31.0 · 指标 2.10.0 · 2026-08-13 15:27 UTC

david-smejkal / wiki2txt

A tool to extract plain (unformatted) multilingual / language-agnostic text, redirects, links and categories from wikipedia backups (dumps). Designed to prepare clean training data for AI Training / Machine Learning software.

PythonGPL-2.0★ 7 星标⑂ 1 复刻始于 2021年12月在 GitHub 上查看 ↗
#wiki-to-txt#wiki-to-text#wiki-to-plaintext#wikidump-to-txt#wikidump-to-plaintext#wiki-parser#wikidump-parser#ai-learning-tool#tool-for-ai#wikidumps-parser#wiki2plaintext#ai-learning#data-parser-for-ai#data-for-robots#plaintext-data-for-ai#wikipedia-to-txt#machine-learning-tool#machine-learning#training-data#ai-training

david-smejkal/wiki2txt 的健康指数为 100 分中的 28 分，处于「存在风险」区间。 其得分最高的类别是Engineering Quality（54/100），最低的是Vitality（18/100）。 最近一次更新在 500 天前。 近期的大部分工作由 1 位贡献者完成。

28
总分 / 100
存在风险

软件健康指数

指标归入加权类别，统一采用 1–100 量表。总体分先取类别加权平均，再依据公开记录的分布进行校准，使各等级具有百分位含义；当公开证据触发高风险司法辖区政策时，评级会按政策调整，并设置 34（存在风险）的上限。

28
卓越93-100公开记录中的最高层级（约前 5%）；基本满足所有检验标准
优秀80-92各方面均表现强劲；仅有少量不足
良好65-79健康；不足之处有限且可控
中等50-64可接受，但存在明显不足；建议进行审查
薄弱35-49多个领域存在实质性薄弱环节
存在风险20-34存在重大薄弱环节；采用时应保持审慎
危急1-19问题严重（项目被弃置、仅有单一维护者、缺乏基本工程规范）
活力社区与采用可持续性与治理工程质量安全AI 就绪度

评分画像

每条轴代表一个类别。形状比平均值更重要——健康的对象会填满整个图形，而“一峰一谷”式画像意味着某一维度的优势正掩盖另一维度的风险。

加权总体分 34 经校准后在公布的指数量表上为 28（记录校准 2026-08-02）。

所有权

David Smejkal个人账户
1 关注者8 个公开仓库始于 2021年11月

该仓库由个人账户拥有。相较于组织支持的项目，单一所有者项目的延续性风险更高。

按类别列示的指标

活力

项目是否仍有生命——是否仍在编写代码，是否仍在发布版本？

18危急 · 占总体的 21%

开发活跃度

1危急
评分方式
0/36推送新近度 — 最近一次推送于 500 天前
0/36提交节奏 — 52 周中有 0 周有提交
0/18提交量 — 最近一年 0 次提交
0/10OpenSSF Scorecard：Maintained — 无数据
所用输入
commits_last_year0
human_commit_share1
days_since_last_push500
active_weeks_last_year0

发布纪律

44薄弱
评分方式
27/27有发布版本 — 已发布 3 个发布版本
7.2/36发布时效 — 最近一次发布版本于 503 天前
5.4/27发布节奏 — 约每 604 天发布一次
0/10OpenSSF Scorecard：Signed-Releases — 无数据
所用输入
releases_count3
latest_release_tagv0.7.0
releases_from_tags否
days_since_latest_release503
mean_days_between_releases604

社区与采用

项目是否拥有用户、下载量与关注度，并具备欢迎贡献者参与的配置？

30存在风险 · 占总体的 17%

流行度与采用

13危急
评分方式
12.6/60星标 — 7 个星标
0/25复刻 — 1 个复刻
0/15关注者 — 2 位关注者
所用输入
forks1
stars7
watchers2
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

社区健康

50中等
评分方式
22.5/22.5README
22.5/22.5许可证 — 可识别的许可证（GPL-2.0）
0/18CONTRIBUTING 指南
0/13.5行为准则
0/7.2议题模板
0/6.3PR 模板
所用输入
has_readme是
has_license是
readme_badges0
has_contributing否
has_issue_template否
has_code_of_conduct否
readme_badge_services—
has_pull_request_template否

可持续性与治理

项目能否在其成员之外延续——巴士系数、响应能力、由谁支持，以及软件包的维护状况？

47薄弱 · 占总体的 23%

维护者韧性（巴士系数）

12危急
评分方式
9/54巴士系数 — 1 位贡献者贡献了半数提交
0/22.5提交分布 — 头号贡献者编写了 100% 的提交
1.4/13.5贡献者广度 — 1 位贡献者
0/10OpenSSF Scorecard：Contributors — 无数据
所用输入
bus_factor1
contributors_sampled1
top_contributor_share1

议题与 PR 响应能力

100卓越
评分方式
42/42议题解决 — 100% 的议题已关闭
0/30PR 接受 — 没有已裁定的拉取请求或无数据
0/13Newcomer PR acceptance — 30 天内没有首次贡献者的 PR 得到裁决
0/15OpenSSF Scorecard：Code-Review — 无数据
所用输入
merged_prs0
open_issues0
closed_issues1
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d0
issue_closed_ratio1
closed_unmerged_prs0
first_time_authors_30d0
first_time_prs_merged_30d0
first_time_prs_decided_30d0
已排除计分（无数据或不适用）：PR 接受, Newcomer PR acceptance。 其余权重已重新归一化。

所有权与托管责任

36薄弱
评分方式
10/30所有权背书 — 个人（用户）账户
0/20已验证域名 — 不适用于个人账户
2.2/25所有者影响力 — david-smejkal 有 1 位关注者
16.4/25既往记录 — 8 个公开仓库，账户约 4 年
所用输入
followers1
owner_typeUser
is_verified—
owner_logindavid-smejkal
public_repos8
account_age_days1,718
已排除计分（无数据或不适用）：已验证域名。 其余权重已重新归一化。

工程质量

基础的工程与文档实践是否到位？

54中等 · 占总体的 19%

工程实践

50中等
评分方式
0/24CI 工作流
24/24存在测试
16/16Linter 配置 — tox.ini
0/9.6Pre-commit 钩子
0/6.4.editorconfig
0/20OpenSSF Scorecard：CI-Tests — 无数据
所用输入
has_ci否
has_tests是
has_editorconfig否
has_linter_config是
has_precommit_config否

文档

60中等
评分方式
30/30README
0/25文档目录
0/15文档 / 主页站点
10/10仓库描述
10/10主题标签 — 20 个主题标签
10/10Wiki
所用输入
topicswiki-to-txt, wiki-to-text, wiki-to-plaintext, wikidump-to-txt, wikidump-to-plaintext, wiki-parser, wikidump-parser, ai-learning-tool, tool-for-ai, wikidumps-parser, wiki2plaintext, ai-learning, data-parser-for-ai, data-for-robots, plaintext-data-for-ai, wikipedia-to-txt, machine-learning-tool, machine-learning, training-data, ai-training
has_wiki是
homepage—
docs_site—
has_readme是
has_docs_dir否
has_description是

安全

可见的安全与供应链实践是否稳固，且不存在未解决的高风险司法辖区暴露？

21存在风险 · 占总体的 16%

安全态势

1危急
评分方式
0/30安全策略（SECURITY.md）
0/25Dependabot 配置
0/25依赖锁定文件
0/20CodeQL 工作流
所用输入
sourcefile_signals
lockfiles—
manifestsrequirements-frozen.txt, requirements-test.txt, requirements.txt
has_codeql_workflow否
has_security_policy否
has_dependabot_config否

依赖安全公告

100卓越
评分方式
35/35直接依赖不含已知公告 — 没有直接依赖携带已知公告
0/25间接依赖不含已知公告 — 在此范围内，传递依赖集合无法与开发和测试依赖区分
0/40没有长期未处理的公告 — 没有公告带有发布日期
所用输入
sourceosv
advisories10
affected_packages4
assessed_packages15
unassessed_packages4
affected_by_severityhigh 1, moderate 3
direct_affected_packages0
已排除计分（无数据或不适用）：间接依赖不含已知公告, 没有长期未处理的公告。 其余权重已重新归一化。 已将 15 个已解析依赖与 OSV 比对。 有 4 项无法评估——没有已解析的版本、生态系统不受支持，或超出所报告的软件包清单。 该仓库未发布任何索引可解析的软件包，因此改为评估仓库依赖图。该图将开发与测试版本固定同交付的依赖混在一起，因此仅对声明的运行时依赖计分；传递性发现仅作为背景信息列出，不计入评分。 未对可达性进行分析。

AI 就绪度

该仓库在多大程度上具备与 AI 编码代理协同开发与维护的条件？权重刻意设小（4%）：代理工具链是一项真实的维护信号，但完全不具备的仓库仍可达到 100/100。

27存在风险 · 占总体的 4%

AI 代理上下文与指引

1危急
评分方式
0/45代理指令 — 没有 CLAUDE.md / AGENTS.md / 编辑器规则
0/15机器可读文档（llms.txt）
1.1/40可读的提交历史 — 100 次人类提交中有 2 次说明了意图（结构化标题或解释性正文）
所用输入
has_llms_txt否
llms_txt_url—
legible_history_share0.02
agent_instruction_files—
agent_instruction_max_bytes—

验证循环（构建 / 测试 / 类型检查）

37薄弱
评分方式
0/18一条命令的引导启动
22/22自动化测试
11/11Lint / 格式化配置 — tox.ini
0/11静态类型检查
0/10可复现环境
0/10已体现的代理实践 — 最近 100 次提交中没有代理编写的提交
0/8自动化维护 — 未观察到自动依赖更新
0/10OpenSSF Scorecard：Pinned-Dependencies — 无数据
所用输入
has_nix否
has_tests是
lockfiles—
has_dockerfile否
typed_language否
bootstrap_files—
has_devcontainer否
has_linter_config是
typecheck_configs—
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0

面向模型的代码可读性

55中等
评分方式
0/45可类型检查的代码 — Python，未配置类型检查
55/55可控的文件大小 — 采样的 9 个源文件中有 0 个超过 60KB
所用输入
primary_languagePython
largest_source_bytes43,396
source_files_sampled9
oversized_source_files0

关键数据

7GitHub 星标
1贡献者
0最近 12 个月提交数
500距最近推送天数
3发布版本数
1巴士系数（bus factor）
0开放议题
PyPI软件包生态系统数

数据采集警告

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • OpenSSF Scorecard timed out after 240s; skipping Scorecard checks

更多细节

全部依赖 19

来自 GitHub 依赖图的完整解析依赖集合：0 个直接依赖与 19 个间接（传递）软件包。仓库提交锁文件时，传递闭包才是完整的。

注册表软件包版本关系
PyPIcachetools5.5.2间接
PyPIchardet5.2.0间接
PyPIcolorama0.4.6间接
PyPIdistlib0.3.9间接
PyPIfilelock3.18.0间接
PyPIiniconfig2.1.0间接
PyPIlxml—间接
PyPIlxml5.3.1间接
PyPIpackaging24.2间接
PyPIplatformdirs4.3.7间接
PyPIpluggy1.5.0间接
PyPIpyproject-api1.9.0间接
PyPIpytest—间接
PyPIpytest8.3.5间接
PyPIregex—间接
PyPIregex2024.11.6间接
PyPItox—间接
PyPItox4.25.0间接
PyPIvirtualenv20.29.3间接
依赖安全公告 4

该仓库未发布可被索引解析的包，因此评估的是其自身的依赖图——共 15 个包，其中也包含从不交付的开发与测试版本固定：4 个存在已知公告，0 个为直接依赖。 有 4 个无法评估——没有已解析的版本、生态系统不受支持，或不在所列包清单之内。

软件包版本关系严重程度公告数修复版本
lxml5.3.1间接高26.1.0
filelock3.18.0间接中43.20.3
pytest8.3.5间接中29.0.3
virtualenv20.29.3间接中220.36.1

公告表示依赖图中记录的版本落入某条公告的受影响范围。可达性未经分析，且依赖图包含开发与测试的版本固定——某项发现可能只涉及工具链而非交付的软件。

原始 JSON 报告 机器可读

反馈

发现这份报告有不准确之处，或有想法要分享？错误的测量、未识别的工具、建议、疑问——都欢迎提出。每条消息都会被阅读并得到回复。

登录过程中消息不会丢失。

相关记录

与 david-smejkal/wiki2txt 共享目录标签或生态系统的已检测仓库。 并排阅读 →

94pykeio/ortFast ML inference & training for ONNX models in Rust卓越100scikit-learn/scikit-learnscikit-learn: machine learning in Python卓越100optuna/optunaA hyperparameter optimization framework卓越100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.卓越100onnx/onnxOpen standard for machine learning interoperability卓越100ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.卓越

评分是信号，而非担保。 评分反映的是 GitHub 上公开可见的实践——不是代码审计，也不是安全保证。

缺失数据将被剔除并重新归一化权重，绝不按零分计。方法论已版本化并公开：指标 v2.10.0、模式 v0.31.0—— 完整方法论 · 指标知识库.

单项结果在整体记录中的位置： 汇总统计.