java - 使用 Apache Any23 从 HTML 中提取 JSON-LD

Question

我的目标是从网页中提取结构化数据。我正在使用 this SO question 中提到的代码.我正在使用 Apache Any23 CLI我的 Spring 项目中的库依赖项。

通过使用它，我可以从网页中提取 HTML5 微数据 (Schema.org)。但是，我无法提取网页中存在的 JSON-LD 格式。当我检查 Apache Any23的文档，其中支持 JSON-LD 格式。没有找到任何关于它的进一步文档。

Answer 1

通常，如果您使用 new Any23() 创建新的 Any23 提取器它应该是开箱即用的。如果你使用另一个构造函数，如 Any23(String... extractorNames)您必须确保为嵌入式 JSON LD 添加了正确的一个，即 "html-embedded-jsonld" .

现在，如果提取过程中出现任何错误，Any23 会静默删除它们。 (这很棒，我知道!)

我发现可以在 org.apache.any23.extractorExtractionResultImpl 中设置断点方法 notifyIssue .有了这个，您可以找到更详细的问题原因。