我想用一个或多个 python 库标记出感兴趣的维基百科页面。我对表格和列表最感兴趣。然后我希望能够将这些数据导入 Postgres 或 Neo4j。
例如，以下是我感兴趣的三个数据集：
- 每个国家在 2008 年欧洲歌唱大赛中互相奖励了多少分： http ://en.wikipedia.org/wiki/Eurovision_Song_Contest_2008#Final
- 货币列表及其流通国家（多对多关系）： http ://en.wikipedia.org/wiki/List_of_circulating_currencies
- 世界各地的太阳能发电厂列表：http ://en.wikipedia.org/wiki/List_of_solar_thermal_power_stations
其中每一个的来源都是用维基百科的标记品牌编写的，用于将它们呈现出来。原始数据表单中使用了许多特定于维基百科的标签和语法。HTML 可能几乎是更简单的解决方案，因为我可以使用 BeautifulSoup。
有人知道更好的标记方法吗？如果我采用最终的 HTML 并用 BeautifulSoup 解析它，我觉得我会重新发明轮子。此外，如果我能找到一种以 XML 格式输出这些页面的方法，则表数据可能没有被充分标记化，并且需要进一步处理。