如何從維基百科中提取統計信息？

Question

我想提取維基百科中所有死人的列表，並比較他們死後的年齡。維基百科中的所有死亡人員都有以下字段填寫：

| birth_name = Thomas Alva Edison 
| birth_date = {{birth date|mf=yes|1847|02|11}} 
| death_date ={{death date and age|mf=yes|1931|10|18|1847|02|11}} 

我將必須做一個爬取器？ Wikipedia API中有什麼可以幫助我？ 有什麼地方可以開始爬行嗎？任何死去的人的名單？

Answer 1

你可以找到可在這裏下載所有維基百科內容的轉儲：

http://dumps.wikimedia.org/enwiki/latest/

該文件是一個.xml文件大小爲幾個千兆字節，幷包含所有頁面的文本維基百科（除其他外）。您如何處理這取決於您要使用的編程語言。

Answer 2

這就是DBpedia適用於所有維基百科數據庫中的結構化數據。在http://dbpedia.org/sparql處嘗試以下查詢：

select distinct ?p, ?d where { 
    ?p a <http://dbpedia.org/ontology/Person> . 
    ?p <http://dbpedia.org/ontology/deathDate> ?d . 
}