如何从维基百科发电厂列表的{{Location map}}模板提取指定参数？

绝对可以用awk来做这件事，甚至在某些场景下会比BeautifulSoup这类HTML解析器更高效——不过得看你拿到的原始数据是什么格式，咱分两种情况说：

1. 处理维基百科原始维基文本（Wikitext）：awk是绝佳选择 #

如果你能直接获取到维基百科编辑页面里的原始维基文本（不是浏览器渲染后的HTML），那{{Location map}}模板的格式非常规整，都是键值对的形式（不管是单行还是分行写的），完全适合用awk做文本匹配提取。

举个实际的awk脚本例子，能处理单行或多行的模板：

#!/usr/bin/awk -f

BEGIN {
    RS = "{{Location map"  # 把模板开头作为记录分隔符
    FS = "[|= \n]"         # 用|、=、空格、换行作为字段分隔符
}

NR > 1 {  # 跳过第一个空记录
    printf "=== 提取到的位置信息 ===\n"
    for(i=1; i<=NF; i++){
        if($i == "label") printf "Label: %s\n", $(i+2)
        else if($i == "lat") printf "Latitude: %s\n", $(i+2)
        else if($i == "lon") printf "Longitude: %s\n", $(i+2)
        else if($i == "region") printf "Region: %s\n", $(i+2)
    }
    # 截断到模板结束符}}之前的内容
    sub(/}}.*/, "", $0)
}

把这个脚本保存为extract_locations.awk，然后运行awk -f extract_locations.awk your_wikitext_file.txt就能拿到想要的参数了。

这种方式的优势是：速度快、脚本轻量，不需要安装Python和BeautifulSoup这类依赖，完全靠文本匹配就能搞定规整的维基模板。

2. 处理渲染后的HTML页面：awk不推荐 #

如果你的数据源是浏览器里看到的已渲染HTML页面，那我强烈建议还是用BeautifulSoup这类专门的HTML解析器。因为HTML的结构太灵活了：标签嵌套、属性位置不固定、可能有动态加载的内容，awk的纯文本匹配很容易漏数据或者误解析，维护成本会很高。

总结 #

• 优先选awk：当你能拿到维基百科的原始维基文本时，效率高、实现简单；
• 选BeautifulSoup：当只能处理HTML时，能准确处理复杂的网页结构。

内容的提问来源于stack exchange，提问作者agmoermann