- 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/
我目前正在尝试基于哈希表构建字典。逻辑是:有一个名为 HashTable 的结构,其中包含以下内容: HashFunc HashFunc; PrintFunc PrintEntry; CompareF
如果我有一个指向结构/对象的指针,并且该结构/对象包含另外两个指向其他对象的指针,并且我想删除“包含这两个指针的对象而不破坏它所持有的指针”——我该怎么做这样做吗? 指向对象 A 的指针(包含指向对象
像这样的代码 package main import "fmt" type Hello struct { ID int Raw string } type World []*Hell
我有一个采用以下格式的 CSV: Module, Topic, Sub-topic 它需要能够导入到具有以下格式的 MySQL 数据库中: CREATE TABLE `modules` ( `id
通常我使用类似的东西 copy((uint8_t*)&POD, (uint8_t*)(&POD + 1 ), back_inserter(rawData)); copy((uint8_t*)&PODV
错误 : 联合只能在具有兼容列类型的表上执行。 结构(层:字符串,skyward_number:字符串,skyward_points:字符串)<> 结构(skyward_number:字符串,层:字符
我有一个指向结构的指针数组,我正在尝试使用它们进行 while 循环。我对如何准确初始化它并不完全有信心,但我一直这样做: Entry *newEntry = malloc(sizeof(Entry)
我正在学习 C,我的问题可能很愚蠢,但我很困惑。在这样的函数中: int afunction(somevariables) { if (someconditions)
我现在正在做一项编程作业,我并没有真正完全掌握链接,因为我们还没有涉及它。但是我觉得我需要它来做我想做的事情,因为数组还不够 我创建了一个结构,如下 struct node { float coef;
给定以下代码片段: #include #include #define MAX_SIZE 15 typedef struct{ int touchdowns; int intercepti
struct contact list[3]; int checknullarray() { for(int x=0;x<10;x++) { if(strlen(con
这个问题在这里已经有了答案: 关闭 11 年前。 Possible Duplicate: Empty “for” loop in Facebook ajax what does AJAX call
我刚刚在反射器中浏览了一个文件,并在结构构造函数中看到了这个: this = new Binder.SyntaxNodeOrToken(); 我以前从未见过该术语。有人能解释一下这个赋值在 C# 中的
我经常使用字符串常量,例如: DICT_KEY1 = 'DICT_KEY1' DICT_KEY2 = 'DICT_KEY2' ... 很多时候我不介意实际的文字是什么,只要它们是独一无二的并且对人类读
我是 C 的新手,我不明白为什么下面的代码不起作用: typedef struct{ uint8_t a; uint8_t* b; } test_struct; test_struct
您能否制作一个行为类似于内置类之一的结构,您可以在其中直接分配值而无需调用属性? 前任: RoundedDouble count; count = 5; 而不是使用 RoundedDouble cou
这是我的代码: #include typedef struct { const char *description; float value; int age; } swag
在创建嵌套列表时,我认为 R 具有对列表元素有用的命名结构。我有一个列表列表,并希望应用包含在任何列表中的每个向量的函数。 lapply这样做但随后剥离了列表的命名结构。我该怎么办 lapply嵌套列
我正在做一个用于学习目的的个人组织者,我从来没有使用过 XML,所以我不确定我的解决方案是否是最好的。这是我附带的 XML 文件的基本结构:
我是新来的 nosql概念,所以当我开始学习时 PouchDB ,我找到了这个转换表。我的困惑是,如何PouchDB如果可以说我有多个表,是否意味着我需要创建多个数据库?因为根据我在 pouchdb
我是一名优秀的程序员,十分优秀!