是否有一个现有的库来从dump解析wikmedia表？

Question

我需要以某种方便的形式从wiki转储中的表中提取数据，例如列表列表。然而，由于转储的格式，它看起来有点棘手。我知道WikiExtractor，它对于从转储中获取干净的文本很有用，但是它会完全删除表。有没有一个解析器可以以同样的方式让我方便地读取表？你知道吗

Answer 1

我没有找到从XML转储解析Wikipedia表的好方法。然而，似乎有一些方法可以使用HTML解析器来实现，例如wikitables解析器。除非您只需要分析特定页面中的表，否则这将需要大量的刮削。但是，似乎可以脱机进行，因为htmlwiki转储即将恢复（dumps，phabricator task）