- xml - AJAX/Jquery XML 解析
- 具有多重继承的 XML 模式
- .net - 枚举序列化 Json 与 XML
- XML 简单类型、简单内容、复杂类型、复杂内容
我正在使用模板将非结构化文档解析为结构化表示 (XML) 以描述预期结果。一个简单的典型问题可能是一个字符串列表:
"Chapter 1"
"Section background"
"this is something"
"this is another"
"Section methods"
"take some xxx"
"do yyy"
"and some..."
"Chapter apparatus"
"we created..."
我想转换成:
<div role="CHAPTER" title="1">
<div role="SECTION" title="background">
<p>this is a paragraph...</p>
<p>this is another...</p>
</div>
<div role="SECTION" title="methods">
<p>take some xxx</p>
<p>do yyy</p>
<p>and some...</p>
</div>
</div>
<div role="CHAPTER" title="apparatus">
<div role="SECTION" title="???">
<p>we created...</p>
</div>
</div>
标签 CHAPTER 和 SECTION 不存在于字符串中,而是从启发式正则表达式生成(例如“[Cc]hap(ter)?(\s\d+\.)?.*
” ) 并应用于所有字符串。
预期结果由"template"描述,目前看起来像这样:
<template count="0," role="CHAPTER">
<regex>[Cc]hap(ter)?(\s+.*)</regex>
<template count="0," role="SECTION">
<regex>[Ss]ec(tion)?(\s+.*)</regex>
<template count="0," role="p">
<regex>.*</regex>
</template>
</template>
</template>
(在某些情况下,计数可以是范围,例如 2,4)。
我知道这是一个非常困难的问题(SGML 试图解决它的一部分)并且真实的文档并不完全符合这样的模板,所以我准备进行部分解析并失去一些精确度和召回率。
多年来,我一直使用自己的工作代码,这些代码适用于各种类型的高达几兆字节的文档。性能不是问题。对于不同的文档类型(论文、日志文件、fortran 输出等),我有不同的模板。一些文档具有嵌套结构(例如如上所述),而其他文档则更扁平但具有更多类型的标记。
我现在正在重构这个并且想知道:
编辑:@naspinski 和一般。总是可以编写特定的脚本代码来解决特定的问题。我想要一个通用的解决方案,因为我可能正在解析许多(甚至数百万)具有相当大(但不是无限)结构可变性的文档。我希望解析文档的结构用 XML 表示,而不是脚本。我相信通过模板(声明式)而不是脚本添加新解决方案会更容易。
编辑我几乎可以肯定我现在最好的方法是使用 ANTLR。这是一个强大的工具,从我最初的探索中可以解析线和线组。
最佳答案
这就是 Perl 为之而生的工作。
#! /opt/perl/bin/perl
use strict;
use warnings;
use 5.10.1;
{
package My::Full;
use Moose;
use MooseX::Method::Signatures;
has 'chapters' => (
'is' => 'rw',
'isa' => 'ArrayRef[My::Chapter]',
'default' => sub{[]}
);
method add_chapter( Str $name ){
my $chapter = My::Chapter->new( name => "$name" );
push @{$self->chapters}, $chapter;
return $chapter;
}
method latest(){
return $self->add_chapter('') unless @{$self->chapters};
return $self->chapters->[-1];
}
method add_section( Str $name ){
my $latest_chapter = $self->latest;
$latest_chapter->add_section("$name");
}
method add_line( Str $line ){
$self->latest->add_line( "$line" );
}
method xml(){
my $out = '';
for my $chapter ( @{ $self->chapters } ){
$out .= $chapter->xml;
}
return $out;
}
}
{
package My::Chapter;
use Moose;
use MooseX::Method::Signatures;
has 'name' => (
'is' => 'rw',
'isa' => 'Str',
'required' => 1
);
has 'sections' => (
'is' => 'rw',
'isa' => 'ArrayRef[My::Section]',
'default' => sub{[]}
);
method latest(){
return $self->add_section('') unless @{$self->sections};
return $self->sections->[-1];
}
method add_section( Str $name ){
my $section = My::Section->new(name => "$name");
push @{$self->sections}, $section;
return $section;
}
method add_line( Str $line ){
$self->latest->add_line( "$line" );
}
method xml(){
my $name = $self->name;
$name = '???' unless length $name;
my $out = qq'<div role="CHAPTER" title="$name">\n';
for my $section ( @{ $self->sections } ){
$out .= $section->xml;
}
return $out."</div>\n";
}
}
{
package My::Section;
use Moose;
use MooseX::MultiMethods;
has 'name' => (
'is' => 'rw',
'isa' => 'Str',
'required' => 1
);
has 'lines' => (
'is' => 'rw',
'isa' => 'ArrayRef[Str]',
'default' => sub{[]}
);
method add_line( Str $line ){
push @{$self->lines}, "$line"
}
method xml(){
my $name = $self->name;
$name = '???' unless length $name;
my $out = qq' <div role="SECTION" title="$name">\n';
for my $line ( @{ $self->lines } ){
$out .= " <p>$line</p>\n";
}
return $out." </div>\n";
}
}
my $full = My::Full->new;
while( my $line = <> ){
chomp $line;
given( $line ){
when( /^chap(?:ter)?\s++(.+)/i ){
$full->add_chapter($1);
}
when( /^sec(?:tion)?\s++(.+)/i ){
$full->add_section($1);
}
default{
$full->add_line($line);
}
}
}
say $full->xml
<div role="CHAPTER" title="check">
<div role="SECTION" title="check">
<p>this is something</p>
<p>this is another</p>
</div>
<div role="SECTION" title="check">
<p>take some xxx</p>
<p>do yyy</p>
<p>and some...</p>
</div>
</div>
<div role="CHAPTER" title="check">
<div role="SECTION" title="???">
<p>we created...</p>
</div>
</div>
关于xml - 将非结构化文档解析为 XML,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/1356521/
我一直在使用 AJAX 从我正在创建的网络服务中解析 JSON 数组时遇到问题。我的前端是一个简单的 ajax 和 jquery 组合,用于显示从我正在创建的网络服务返回的结果。 尽管知道我的数据库查
很难说出这里要问什么。这个问题模棱两可、含糊不清、不完整、过于宽泛或夸夸其谈,无法以目前的形式得到合理的回答。如需帮助澄清此问题以便重新打开,visit the help center . 关闭 1
我在尝试运行 Android 应用程序时遇到问题并收到以下错误 java.lang.NoClassDefFoundError: com.parse.Parse 当我尝试运行该应用时。 最佳答案 在这
有什么办法可以防止etree在解析HTML内容时解析HTML实体吗? html = etree.HTML('&') html.find('.//body').text 这给了我 '&' 但我想
我有一个有点疯狂的例子,但对于那些 JavaScript 函数作用域专家来说,它看起来是一个很好的练习: (function (global) { // our module number one
关闭。此题需要details or clarity 。目前不接受答案。 想要改进这个问题吗?通过 editing this post 添加详细信息并澄清问题. 已关闭 8 年前。 Improve th
我需要编写一个脚本来获取链接并解析链接页面的 HTML 以提取标题和其他一些数据,例如可能是简短的描述,就像您链接到 Facebook 上的内容一样。 当用户向站点添加链接时将调用它,因此在客户端启动
在 VS Code 中本地开发时,包解析为 C:/Users//AppData/Local/Microsoft/TypeScript/3.5/node_modules/@types//index而不是
我在将 json 从 php 解析为 javascript 时遇到问题 这是我的示例代码: //function MethodAjax = function (wsFile, param) {
我在将 json 从 php 解析为 javascript 时遇到问题 这是我的示例代码: //function MethodAjax = function (wsFile, param) {
我被赋予了将一种语言“翻译”成另一种语言的工作。对于使用正则表达式的简单逐行方法来说,源代码过于灵活(复杂)。我在哪里可以了解更多关于词法分析和解析器的信息? 最佳答案 如果你想对这个主题产生“情绪化
您好,我在解析此文本时遇到问题 { { { {[system1];1;1;0.612509325}; {[system2];1;
我正在为 adobe after effects 在 extendscript 中编写一些代码,最终变成了 javascript。 我有一个数组,我想只搜索单词“assemble”并返回整个 jc3_
我有这段代码: $(document).ready(function() { // }); 问题:FB_RequireFeatures block 外部的代码先于其内部的代码执行。因此 who
背景: netcore项目中有些服务是在通过中间件来通信的,比如orleans组件。它里面服务和客户端会指定网关和端口,我们只需要开放客户端给外界,服务端关闭端口。相当于去掉host,这样省掉了些
1.首先贴上我试验成功的代码 复制代码 代码如下: protected void onMeasure(int widthMeasureSpec, int heightMeasureSpec)
什么是 XML? XML 指可扩展标记语言(eXtensible Markup Language),标准通用标记语言的子集,是一种用于标记电子文件使其具有结构性的标记语言。 你可以通过本站学习 X
【PHP代码】 复制代码 代码如下: $stmt = mssql_init('P__Global_Test', $conn) or die("initialize sto
在SQL查询分析器执行以下代码就可以了。 复制代码代码如下: declare @t varchar(255),@c varchar(255) declare table_cursor curs
前言 最近练习了一些前端算法题,现在做个总结,以下题目都是个人写法,并不是标准答案,如有错误欢迎指出,有对某道题有新的想法的友友也可以在评论区发表想法,互相学习🤭 题目 题目一: 二维数组中的
我是一名优秀的程序员,十分优秀!