主要观点：利用 DuckDB 和 Ruby 构建地图平台连接表，以 Wikidata 为数据源获取地理实体的交叉表信息。
关键信息：

• Wikidata 是 Wikipedia 的结构化数据版本，包含大量外部 ID 可用于开发跨平台应用，本文聚焦于构建“places”的交叉表。
• 下载的 Wikidata 文件需处理成合适格式，通过命令行将其分割成小文件，DuckDB 可用于处理这些文件并统计实体数量。
• 探索 Wikidata 模式，其 claims 类似 OpenStreetMaps 的 tag 系统，可用于描述外部 ID 等信息，本文重点关注外部 ID 的 claims。
• 用 Ruby 脚本准备数据，去除不必要的元数据，将 claims 处理为合适格式，利用 DuckDB 的UNNEST函数构建交叉表，包含 23,689,931 个 ID 对，耗时约 45 秒。
• 还创建了包含名称、描述等的表以及坐标表，并可进一步利用 Wikidata 的其他信息。
  重要细节：
• 下载的 Wikidata 文件近 140GB，处理后得到约 10700 万个实体。
• 以 Belgium 为例展示 Wikidata 记录的结构，包括各种字典和 claims。
• Ruby 的 Ractors 可用于并行处理 535 个分块文件。
• 构建的交叉表可通过一些 SQL 操作进一步处理和扩展，如创建包含标签的表等。