User:LA2/Extraktor stats 200709

Some statistics from my user:LA2/Extraktor script, applied to Wikipedia in Scandinavian/Baltic languages in September 2007. Yiddish is included because it is an official minority language in Sweden. The September 5, 2007, version of the script was used, including <ref> tags and allowing whitespace in ISBNs.

LA2/ISBN stats 2007 have moved to its own page.
Download dawiki-
20070905
etwiki-
20070826
fiu_vrowiki-
20070903
fiwiki-
20070828
fowiki-
20070903
iswiki-
20070905
ltwiki-
20070828
lvwiki-
20070823
nnwiki-
20070825
nowiki-
20070829
sewiki-
20070826
svwiki-
20070831
yiwiki-
20070829
Size in bytes of pages-articles.xml 209M 116M 3.5M 481M 7.8M 66M 152M 45M 85M 415M 5.1M 600M 26M
Size in bytes of output from Extraktor 22M 9.6M 224K 68M 701K 8.4M 28M 3.7M 13M 70M 549K 61M 5.4M
Output's percentage of input (i.e. the wiki's degree of structure) 10.5 % 8.3 % 6.4 % 14.1 % 8.9 % 12.7 % 18.4 % 8.2 % 15.3 % 16.9 % 10.8 % 10.2 % 20.8 %
Number of pages containing template calls 55,277 31,929 950 126,894 2589 19,754 51,229 8698 21,506 108,319 1692 176,545 3993
Number of template calls 133,186 58,820 1613 526,652 7569 57,469 187,308 27,995 71,886 443,990 2515 451,458 13,951
Total number of call arguments 402,378 231,079 4565 1,224,239 14,055 166,493 562,183 66,774 234,127 1,228,674 10,803 1,176,406 73,685
Number of unique templates used 7941 2206 177 13,680 2215 4067 4690 3466 3963 32,760 228 14,985 1706
50 most popular templates (including ISBN and <ref>)
9676 <ref>
4702 Flagicon
3936 Flagikon
3891 ISBN
3600 Link_FA
3335 Kronologi
3287 Flertydig
3170 Taxobox2
3039 TickerEntry
2810 Stub
2327 Coor_title_d
2158 Link_AA
1921 Commons
1908 Biostub
1875 Ft_spiller
1490 Flagland
1253 Tor-node
1120 Sogn2
1103 *fs
1096 Sogn
 999 Flag
 935 Brønd
 754 Harflertydig
 741 GFDL
 734 Omdirigering
 728 Musikstub
 727 Cite_web
 710 DK-geostub
 699 En_sprog
 690 Kilde_mangle
 679 Kirke
 677 Commonscat
 598 Ja
 583 Samfstub
 572 Katmere
 561 Kirkestub
 559 Commons_left
 544 Søsterlinks
 520 Arvefølge
 506 PD-self
 500 GFDL-self
 495 Lexopen
 491 Stjerner
 489 Musikbiostub
 480 Natvidstub
 477 Koord
 473 Spoiler
 450 Harflertydig
 438 Kortposition
430 Støtter
59365 <ref>
19252 En
15108 ISBN
12952 Verkkoviite
10342 Kirjaviite
9569 RA
9567 DEC
8921 M
8358 Commons
6717 Tiedoston_ti
4934 Albumi
4440 #time:
4368 Link_FA
4050 Täsmennyssi
4012 Italian_lipp
3992 Kappale
3847 Taksonomian_
3846 Taksonomian_
3845 Taksonomian_
3833 Taksonomian_
3739 Taksonomian_
3667 Taksonomian_
3544 Taksonomian_
3465 Tämä_artik
3410 Tynkä/Henki
3327 Taksonomian_
3290 Musiikkialbu
3190 Taksonomian_
3149 Kansikuva/Ä
3104 Yhtye/tietor
2965 Lähde
2712 Taksonomian_
2711 IMDb-h
2616 Ranskan_lipp
2600 Logo
2593 Taksonomian_
2568 Taksonomian_
2503 UK_lippu
2474 Rata
2428 K-en
2311 K-ru
2283 Sivutienliit
2266 Pääartikke
2147 Raiteita_1
2123 Keskeytti
2068 Juonipaljast
2066 Tynkä/Album
2024 Taksonomian_
1950 Edeltäjä-s
1886 Vuosisata
3438 Flagicon
2411 Border
1108 Commons
 881 Ģeo-aizmetn
 692 <ref>
 669 Stub
 508 Unicode
 492 Dat
 481 Fs_player
 470 Lģeo-aizmet
 398 Ezers
 371 Link_FA
 355 Disambig
 307 Amatu_secīb
 298 IPA
 274 Catmore
 223 Kastes_sāku
 223 Kastes_beiga
 221 Jāuzlabo
 181 Otheruses4
 176 Viela
 172 Ns:6
 164 Lit-stub
 162 Latvijas_pag
 150 IT-aizmetnis
 139 Futbols-stub
 130 Aizmetnis
 124 ISBN
 121 Infokaste_m
 120 Localurl:$NA
 116 Futbola_klub
 113 Minerāls
 108 Fn
 107 Karogs
 106 Vēst-aizmet
 103 valsts_datus_rādīt
 101 !-
  92 Hokejs-stub
  89 Spstub
  86 6.2_pants
  84 Krievijas_re
  82 Turcijas_pro
  80 SWEh
  80 Jūra
  79 NA-70
  79 Album_infobo
  78 MONTHNUMBER
  77 Viss_gads
  75 F1_ekspilots
73 Val-en
8133 Iw
3301 TickerEntry
2343 Nts
2042 Spire
1945 Iso1
1813 Geografispir
1373 Commons2
1361 ISBN
1355 <ref>
1159 IPA
1147 Tor-node
 961 årstal-tal-
 929 En
 740 årstalsspir
 669 Riksveg
 658 Sluttboks
 650 Commons
 519 Fødd
 518 NOR
 500 Verv
 500 Levde
 494 Infoboks_elv
 485 Koord
 469 Infoboks_by
 459 Commonscat
 404 Startboks
 403 Samfunnsspir
 395 Europaveg
 393 Taksoboks_sl
 393 Historiespir
 383 Coor_dms
 373 Fleirtyding
 369 årstalspire
 348 Fødselsdato
 346 Biologispire
 344 Minka
 342 Auka
 341 Lang
 341 Fødeår
 315 Tl
 311 Språkspire
 300 Jamt
 291 Taksoboks_by
 290 Infoboks_kom
 281 Kjemispire
 278 Litteratursp
 278 Foto
 265 Taksoboks_kl
 264 Jødedomsspi
261 Fin_tabell
42390 Iw
19078 <ref>
15546 Grunnkrets
9060 ISBN
8515 Portal
6418 Stubb
6079 NOR
5769 Prettytable
5495 USA
4732 Riksvei
4374 For
4028 Sluttboks
3989 Link_UA
3975 Verv
3902 Kilde_www
3775 Ikkerød
3439 ENG
3408 Taksoboks
3333 ITA
3315 Startboks
3283 Infoboks_Bra
3281 Brasiliansk_
3279 Kunstner
3140 FRA
3067 Peker
2979 SWE
2939 Commons
2878 GER
2861 Biografistub
2746 Europavei
2632 Goal
2457 Link_AA
2326 Språkikon
2312 Byline
2195 Coor_dms
2081 Infoboks/sel
2015 årstall-kat
2012 årstall
2011 Commons2
1996 Kirkearkitek
1954 Infoboks_kat
1911 F
1894 Taksoboks-sl
1894 FIN
1868 WLE
1786 Gult
1771 GBR
1747 Prisvinner
1713 Infoboks/sel
1703 Ss
28956 <ref>
27331 F
12072 Flagicon
10742 ISBN
7218 Gp-flag
6075 Commons
5940 F1gp
5573 Psalmrad
5312 Ugglan
4989 Taxobox
4489 UA
4430 M
4046 Filmfakta
3938 IPA
3911 Succession_b
3888 Huvudartikel
3864 Förgrening
3813 Bidrag_sakna
3760 Psbref
3653 Ortsfakta
3482 Personstub
3298 Spelartrupp_
3224 Gren
3165 F2
3008 Start_box
2962 Geografistub
2943 End_box
2636 Spelartrupp/
2544 Iso1
2290 F1vm
2259 Bokref
2185 
2106 Border
2068 Musikerstub
2014 Imdb
1992 Årtal_Ämne
1941 Commonsbilde
1813 Stub
1804 Psalmse
1766 Spoiler
1748 MedaljGuld
1710 Skådespelar
1615 Trafikplats
1526 Racing-f1
1525 Geografistub
1476 Geografistub
1458 Flaggikon
1451 Sportstub
1431 Albumstub
1425 #ifexpr
20 most popular ISBNs
none
none
15 most popular contents of <ref> tags
487 Cite_web
 95 Cite_news
 88 Cite_journal
 59 Cite_book
 43 
 19 Danmarks Statist
 16 (Engelsk) Cite_web
 15 Statistik pr. 1. j
 14 (Engelsk) Cite_jou
 13 Cite_journal 
 12 Cite_web 
 10 Global Boundary St
  9 Kilde_www
  6 (Tysk) Cite_web
6 National Institute
 10 Muinaslink2
  4 Dagne Hansch
  3 Viide_veeb
  3 Viide_publikatsioon
  2 Viide_raamat
  2 Vaarmann, J.
  2 Riigikohtu põ
  2 Mullen, G., O
  2 Muinaslink
  2 Mange in Merc
  2 Kalle Kulbok.
  2 et:Kalev Kesküla
  2 Kaasik, A-E.,
  2 IPCC, Forth A
2 Haabsaar, E.
none
10105 Verkkoviite
2001 Kirjaviite
758 Verkkoviite 
638 Lehtiviite
128 Tilastopaja
122 
101 Kilpaili vain
100 IAAF
 73 Verkkoviite (En)
 70 fin.htm
 65 Ei koskaan st
 57 Cite_web
 56 KISS – Maskin
 49 Kirjaviite 
48 suomi.html
none
341 Vefheimild
 14 Nöfn fingra
 13 Tíu eru á þér
  9 Tímaritsgrein
  9 Bókaheimild
  6 Cite_web
  6 Cite_book
  5 Biblían, Reyk
  4 Geir Þ. Þórar
  3 Morgunblaðið
  3 Cite_journal
  2 Vísindavefurinn
  2 Um skáldskapa
  2 Um siðfræði M
2 Um Pelópsskag
101 Cite_web
 85 
 58 Cite_journal
 57 Cite_news
 52 2007-06-01 du
 24 Cite_book
 11 Cite_web 
  9 Comprehensive
  8 En-icon Scott
  8 Cite_journal 
  6 Orbitos chara
  5 En-icon Orbit
  5 Sizes, shapes
  5 A dynamical h
4 A Discovery o
 97 Enciklopēdija
 92 Pilsonības un
 17 Cite_web
  8 Starptautiski
  7 Enciklopēdija
  4 Latviešu valo
  4 Cite_book
  3 Sēlija, sēļu 
  3 Plattner, S. 
  3 Latviešu valo
  3 TB/LNNK 2006.
  3 Prezidentu «z
  2 V. Andžāne “I
  2 K.Apinis. Lat
2 Valsts valoda
 13 Cite_web
  9 Ordnance Surv
  9 Statistisk år
  9 Haswell-Smith
  7 Dumpleton. Br
  4 SSB
  4 Sophus Bugge
  3 Vianna, JA, e
  3 Reader, p. 22
  3 Maxfield, Mel
  3 <ref>
  3 virtualani
  3 CSA 2005 Nati
  3 Narkotikalist
3 Artikkel i B
3626 Kilde_www
500 Cite_web
288 Kilde_bok
199 Kilde_artikkel
152 Avisenes lese
106 Cite_news
 62 Cite_journal
 51 Kilde_www 
 50 Citation
 43 Cite_book
 35 Huang Qichen:
 31 Navnestatisti
 31 
 27 Kilde_videospill
15 Johansen, O.
none
775 Webbref
615 Bokref
467 Tidningsref
421 Webbref2
235 Cite_web
211 Endast loppet
183 Consejo Nacio
127 Statistical C
 95 Cite_news
 94 Loppet i F1gp
 87 Departamento
 84 The Cactus Family
 82 Tidskriftsref
 80 [1], publika
76 Kartplatsen
 22 Insert refere
 15 טעיפ#
  7 מפי זיין איינ
  7 דיק|
  5 וואס וויקיפעד
  4 וויקיפעדיע
  3 רב בראג אין 
  3 מקור
3 וויקיפעדיע

Long parameter values

edit

Some of my findings above led me to look for anomalies in parameter values. To some extent, my results are skewed because of awk's and wc's apparent lack of UTF-8 support, so they report the number of raw bytes rather than actual characters.

Download dawiki-
20070905
etwiki-
20070826
fiu_vrowiki-
20070903
fiwiki-
20070828
fowiki-
20070903
iswiki-
20070905
ltwiki-
20070828
lvwiki-
20070823
nnwiki-
20070825
nowiki-
20070829
sewiki-
20070826
svwiki-
20070831
yiwiki-
20070829
Average length of output lines 55 43 50 57 50 52 51 57 56 59 51 53 76
Number of output lines longer than 1000 bytes 158 120 1 302 3 69 25 10 42 253 2 294 9
Download Template parameter pairs that most frequently have
values longer than 500 characters
Template parameter pairs that most frequently have
values longer than 100 characters
dawiki-20070905
160 TickerEntry|usage
116 <ref>|1
 41 Citat|1
 39 Sammenklappelig_liste_med_billede|Indhold
 32 Navigation|body
 26 Sammenklappelig_liste_uden_billede|Indhold
 16 Politik_boks|indhold
  8 Taxobox2|underinddeling
  6 Militær_konflikt|part1
6 Brugersprog2|2
4170 <ref>|1
475 TickerEntry|usage
209 TickerEntry|comment
156 Album|Anmeldelser
123 Citat|1
121 Infoboks_musiker|Medlemmer
112 Taxobox2|billedtekst
109 Infoboks_film|skuespillere
 92 Harflertydig4|1
90 Tekstboks_emne-land|tekst
etwiki-20070826
187 Navigeerimismall|sisu
 40 Haldus|üksused
 11 Tsitaat|1
  4 Arvutimäng|väljalase
  2 TickerEntry|usage
  2 <ref>|1
  2 Laulja_infobox|plaadifirma
2 Arvutimäng|Reiting
418 See_artikkel|1
326 <ref>|1
303 Navigeerimismall|sisu
120 Haldus|üksused
 67 Filmi_info|peaosades
 33 Tsitaat|1
 31 Linn|asendikaardi_pilt
 30 Keeled|keelkond
 27 TickerEntry|comment
25 Provints|lipu_pilt
fiu_vrowiki-20070903
none
  6 User_blank-1|3
  4 MaaInfokast|Nimi
  3 User_blank-3|3
  3 User_blank-2|3
  2 Koord|2
2 Country_Infobox|Riigipää
fiwiki-20070828
182 <ref>|1
141 Jalkapallojoukkueen_pelaajat|pelaajat
120 Sitaatti|1
 54 NaviTähdistö|3
 40 Jaksokuvaus|juonikuvaus
 26 Lainaus|1
 14 Kunnat|SISÄLTÖ
 13 Kieliryhmä|kielet
 10 Tietokone-_ja_videopelit|julkaistu
9 Jääkiekko-ottelu|maalit1
11583 <ref>|1
1633 Tämä_artikkeli|1
858 Elokuva|pääosat
779 Verkkoviite|Osoite
592 Yhtye|jäsenet
438 Poistoarkisto|1
428 Sitaatti|1
402 Jalkapalloilija|seura
371 Kirjaviite|Selite
252 Tiedoston_tiedot|Lähde
fowiki-20070903
  2 Navigatiónslisti|innihald
  1 Unicode|1
  1 Navigatiónslisti_við_mynd|INNIHALD
1 Mál|family
 13 Málkassi_M|text
 13 Málkassi_5|text
 13 Málkassi_4|text
 11 Málkassi_2|text
 10 Málkassi_3|text
 10 Málkassi_1|text
 10 Málkassi_0|text
 10 Mál|family
  6 Navigatiónslisti_uttan_mynd|INNIHALD
6 Babel_field_1|text
iswiki-20070905
 62 Tilvitnun2|1
 21 Taxobox|subdivision
 21 <ref>|1
 17 Tungumál|ætt
 16 Tilvitnun|1
 14 Kvikmynd|aldurstakmark
  5 Leikari|notable role
  4 TickerEntry|usage
3 Mynd|útskýring
490 <ref>|1
259 Mynd|útskýring
120 Kvikmynd|leikarar
111 Taxobox|subdivision
 79 Tungumál|ætt
 71 Tilvitnun2|1
 62 Mynd|uppruni
 38 Vísindavefurinn|2
 35 Vefheimild|url
34 Image_label_small|text
ltwiki-20070828
 16 Krepšininkas|clubs
 13 Etninės_grupės|popvieta
  6 Navigation|body
  5 <ref>|1
  4 TautosLentelė|gyvenamojiŠalis
  4 Football_player_infobox|clubs
  3 Non-free_media_rationale|Purpose
  3 Infolentelė_chembox|s-frazės
  3 Infobox_grupė|buvę_nariai
2 Infolentelė_chembox|r-frazės
825 Taxobox_paveiksliukas|image
599 <ref>|1
284 Football_player_infobox|clubs
232 Footballbox|stadium
183 Krepšininkas|clubs
162 Football_player_infobox|years
146 Hidden|2
120 Dienos_įvykiai|p1
108 Dienos_įvykiai|l1
107 Krepšininkas|years
lvwiki-20070823
  3 Operacija|battles
  3 Navigation|body
  2 <ref>|1
  2 Militāra_sadursme|commander1
  2 Infokaste_mūzikas_izpildītājs|Bij_dalībnieki
  2 Futbolista_info|klubi
  1 Tauta|vieta
  1 Navig_josla|saturs
1 Navigacija|body
328 <ref>|1
150 Latvijas_pagasts|robežojas ar
 78 Viela|attēls
 56 Latvijas_pagasts|apdzīvotās vietas
 53 Minerāls|ķīm_formula
 46 Infokaste_mūzikas_izpildītājs|Dalībnieki
 36 Minerāls|laušanas_koef
 34 Futbolista_info|klubi
 26 Latvijas_rajons|robež
20 Ezers|attēls
nnwiki-20070825
117 TickerEntry|usage
 48 Grunnstoff|Isotoptabell
 19 Navigasjon_med_bilete|INNHALD
  6 Sitat|tekst
  5 <ref>|1
  4 TickerEntry|comment
  4 Hebraisk_bolk|1
  3 Sitat2|tekst
  3 Navigasjon_utan_bilete|INNHALD
2 Navigasjon|innhold
2783 Iw|2
592 <ref>|1
424 TickerEntry|usage
363 TickerEntry|comment
 80 Infoboks_språk|familie
 65 Grunnstoff|Isotoptabell
 60 Sitat|tekst
 48 Stjernebilete|tilgrensande
 34 Gruppemal-topp|1
28 Grunnstoff|Ioniseringspotensial
nowiki-20070829
170 Navigasjon|innhold
161 Iw|2
 81 <ref>|1
 71 Sitat|1
 52 Annet_språk|2
 23 Sykkellag|innhold
 22 Navigasjon|1
 16 Infoboks_fotballspiller|klubber
 14 Infoboks_musikkalbum|anmeldelser
14 Doctorwhoboks|skuesp
19104 Iw|2
6358 <ref>|1
469 Fotballresultater|mål1
385 Fotballresultater|mål2
351 Infoboks_film|medvirkende
294 Infoboks_fotballspiller|klubber
270 Sitat|1
267 Infoboks_musikkalbum|anmeldelser
266 Prisvinner|Pris
248 Navigasjon|innhold
sewiki-20070826
4 Gielddat|SISDOALLU
 18 Giella|joavku
  5 Gielddat|SISDOALLU
  3 Giella|guovlu
  2 Hálddašeaddji|virggis
  2 Giella|vir
  2 Giella|iežas
2 Dát_artihkal|1
svwiki-20070831
164 Taxobox|subdivision
103 Navigationsruta|innehåll
 98 <ref>|1
 91 Citat|1
 36 Navigationsruta1uf|underartiklar
 36 Amerikansk_väg|avfarter
 35 Navigationsruta2|underartiklar
 29 Grundämne|isotoper
 25 Navigationsruta1mf|underartiklar
23 Navigationsruta1|underartiklar
9843 <ref>|1
719 Taxobox|subdivision
397 Citat|1
340 Filmfakta|skådespelare
250 Infobox_fotbollsspelare|proffsklubbar
198 Språk|språkfamilj
161 Filmfakta|filmbolag
153 Navigationsruta|innehåll
116 Trafikplats|till
116 Infobox_band|nuvarande_medl
yiwiki-20070829
 17 דיק|1
  3 באלד|1
2 Ltr|1
142 דיק|1
 40 באדייטן|1
 33 <ref>|1
 21 באדייטען|1
  6 סעריע|פֿריערער
  6 Ltr|1
  5 סעריע|נעקסטער
4 באלד|


LA2/ISBN stats 2007 have moved to its own page.