¿Hay alguna manera de filtrar las tablas de Wikipedia?

12

Estoy buscando una forma de filtrar las tablas que se encuentran a menudo en los artículos de Wikipedia, para poder comparar solo las filas (y columnas) que me interesan.

¿Hay alguna

una función incorporada en el motor de Wikipedia que no conozco
o un complemento de navegador que admita esto

Las características que puedo pensar son:

Filtrar por valor de columna
Ocultar columnas
Clasificación multinivel

wikipedia mediawiki greasemonkey

— pez globo
fuente

Ahhh ... el campo minado fuera de tema. Ver punto 3 en la primera tabla. Estoy pidiendo algo específico para Wikipedia. De hecho, una secuencia de comandos de Greasemonkey funcionaría, pero no he podido encontrar una

— pez globo

8

Si coloca esta fórmula en una celda dentro de Google Sheet, eliminará los datos tabulares de este enlace del artículo de Wikipedia: http://en.wikipedia.org/wiki/Demographics_of_India

=IMPORTHTML("http://en.wikipedia.org/wiki/Demographics_of_India", "table", 4)

Una vez que tenga los datos dentro de Google Sheet, puede filtrar por valor de columna (seleccione el encabezado de la columna, elija Filtrar del menú Datos ) y oculte la columna (seleccione la columna, elija Ocultar columna del menú contextual)

Captura de pantalla de Hojas de cálculo de Google

— mvark
fuente

1

¿Mesas? ¿Te refieres a los cuadros de información? Probablemente debería usar Wikidata http://wikidata.org/w/api.php y extraer la información de allí (será más limpia), luego presentarla como prefiera.

De lo contrario, puede rociar en display: nonetodas partes IDs y clases apropiadas para las tablas en cuestión, pero será una búsqueda interminable de información no estructurada.

— Nemo
fuente

1

El script de la tabla de Wikipedia Greasemonkey hace lo que quieres:

Resumen del script: filtra las tablas de Wikipedia eliminando todas las filas que tienen un valor no deseado o eliminando ciertas filas y columnas.

Es posible que deba agregar la httpsversión de la URL de wikiedia a la lista de filtros de páginas incluidas en el script para que funcione.

— nada101
fuente