dumpからWikpediaテーブルを解析するための既存のライブラリはありますか？

Question

テーブルからwikiダンプ内のデータを抽出する必要があります。リストのリストしかし、ダンプのフォーマットのため、それは扱いにくいようです。私はWikiExtractorを知っています。これはダンプからきれいなテキストを取得するのに便利ですが、テーブル全体を削除します。同じ方法でテーブルを読みやすくするパーサがありますか？

Answer 1

私は、XMLダンプからWikipediaのテーブルを解析する良い方法を見つけることができませんでした。しかし、HTMLパーサーを使用する方法はいくつかあります。 wikitablesパーサ。これは、特定のページからのテーブルのみを分析する必要がない限り、多くの掻き取りを必要とします。しかし、HTMLのWikiのダンプが再開しようとしているようだとして、それをオフラインで行うことが可能と思われる（dumps、phabricator task）