質問
Dbpedia Lookupを使用して単語を送信し、dbpediaから候補のurisを取得するコードをGithubで見つけました。問題は次のとおりです：すべてのウリには言葉が付いています Category. 。たとえば、単語の場合 Berlin それは返されます：
それ以外の
ブラウザに最初のURI（「カテゴリ」のあるもの）を入れると、主題「history_of_berlin」に対応するページが表示されない場合、リンクのリストとできる場所を含むページを返します。 「history_of_berlin」へのリンクを見つけます。しかし、2番目のURI（「カテゴリ」のないもの）を置くと、「history_of_berlin」に対応するページを返します。 「カテゴリ」がルックアップから返されるようにこれらのurisを持つことを避けることができますか？
https://stackoverflow.com/questions/19841848
italiano
english
français
española
中国
日本の
العربية
Deutsch
한국어
Português
Russianpackage com.knowledgebooks.info_spiders;
import org.apache.commons.httpclient.HttpClient;
import org.apache.commons.httpclient.HttpException;
import org.apache.commons.httpclient.HttpMethod;
import org.apache.commons.httpclient.methods.GetMethod;
import org.xml.sax.Attributes;
import org.xml.sax.SAXException;
import org.xml.sax.helpers.DefaultHandler;
import javax.xml.parsers.SAXParser;
import javax.xml.parsers.SAXParserFactory;
import java.io.IOException;
import java.io.InputStream;
import java.net.URLEncoder;
import java.util.*;
/**
* Copyright Mark Watson 2008-2010. All Rights Reserved.
* License: LGPL version 3 (http://www.gnu.org/licenses/lgpl-3.0.txt)
*/
// Use Georgi Kobilarov's DBpedia lookup web service
// ref: http://lookup.dbpedia.org/api/search.asmx?op=KeywordSearch
// example: http://lookup.dbpedia.org/api/search.asmx/KeywordSearch?QueryString=Flagstaff&QueryClass=XML&MaxHits=10
/**
* Searches return results that contain any of the search terms. I am going to filter
* the results to ignore results that do not contain all search terms.
*/
public class DBpediaLookupClient extends DefaultHandler {
public DBpediaLookupClient(String query) throws Exception {
this.query = query;
HttpClient client = new HttpClient();
String query2 = query.replaceAll(" ", "+"); // URLEncoder.encode(query, "utf-8");
HttpMethod method =
new GetMethod("http://lookup.dbpedia.org/api/search.asmx/KeywordSearch?QueryString=" +
query2);
try {
client.executeMethod(method);
System.out.println(method);
InputStream ins = method.getResponseBodyAsStream();
SAXParserFactory factory = SAXParserFactory.newInstance();
SAXParser sax = factory.newSAXParser();
sax.parse(ins, this);
} catch (HttpException he) {
System.err.println("Http error connecting to lookup.dbpedia.org");
} catch (IOException ioe) {
System.err.println("Unable to connect to lookup.dbpedia.org");
}
method.releaseConnection();
}
private List<Map<String, String>> variableBindings = new ArrayList<Map<String, String>>();
private Map<String, String> tempBinding = null;
private String lastElementName = null;
public void startElement(String uri, String localName, String qName, Attributes attributes) throws SAXException {
//System.out.println("startElement " + qName);
if (qName.equalsIgnoreCase("result")) {
tempBinding = new HashMap<String, String>();
}
lastElementName = qName;
}
public void endElement(String uri, String localName, String qName) throws SAXException {
//System.out.println("endElement " + qName);
if (qName.equalsIgnoreCase("result")) {
if (!variableBindings.contains(tempBinding) && containsSearchTerms(tempBinding))
variableBindings.add(tempBinding);
}
}
public void characters(char[] ch, int start, int length) throws SAXException {
String s = new String(ch, start, length).trim();
//System.out.println("characters (lastElementName='" + lastElementName + "'): " + s);
if (s.length() > 0) {
if ("Description".equals(lastElementName)) {
if (tempBinding.get("Description") == null) {
tempBinding.put("Description", s);
}
tempBinding.put("Description", "" + tempBinding.get("Description") + " " + s);
}
if ("URI".equals(lastElementName)) tempBinding.put("URI", s);
if ("Label".equals(lastElementName)) tempBinding.put("Label", s);
}
}
public List<Map<String, String>> variableBindings() {
return variableBindings;
}
private boolean containsSearchTerms(Map<String, String> bindings) {
StringBuilder sb = new StringBuilder();
for (String value : bindings.values()) sb.append(value); // do not need white space
String text = sb.toString().toLowerCase();
StringTokenizer st = new StringTokenizer(this.query);
while (st.hasMoreTokens()) {
if (text.indexOf(st.nextToken().toLowerCase()) == -1) {
return false;
}
}
return true;
}
private String query = "";
}
解決 2
私はコードの著者、マーク・ワトソンに助けを求めて尋ねました、そして彼は私に答えました：
この単純なコードを変更することができます：
//if ("URI".equals(lastElementName)) tempBinding.put("URI", s);
if ("URI".equals(lastElementName) && s.indexOf("Category")==-1
&& tempBinding.get("URI") == null) {
tempBinding.put("URI", s);
}
それはコメントアウト1行で、次の3行を追加します。
それでおしまい！
他のヒント
たとえば、「ベルリンの歴史」を検索するとき、あなたは次のようなURLを要求しています
そして、あなたはこのようなXMLの結果を取り戻しています：
<?xml version="1.0" encoding="utf-8"?>
<ArrayOfResult
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:xsd="http://www.w3.org/2001/XMLSchema" xmlns="http://lookup.dbpedia.org/">
<Result>
<Label>Museum für Naturkunde</Label>
<URI>http://dbpedia.org/resource/Museum_für_Naturkunde</URI>
<Description></Description>
<Classes></Classes>
<Categories></Categories>
<Templates></Templates>
<Redirects></Redirects>
<Refcount>155</Refcount>
</Result>
<Result>
<Label>History of Berlin</Label>
<URI>http://dbpedia.org/resource/History_of_Berlin</URI>
<Description>
Berlin is the capital city of Germany. Berlin is a young city by European standards, founded in the 12th century.
</Description>
<Classes></Classes>
<Categories>
<Category>
<Label>History of Berlin</Label>
<URI>http://dbpedia.org/resource/Category:History_of_Berlin</URI>
</Category>
<Category>
<Label>History of Germany by location</Label>
<URI>http://dbpedia.org/resource/Category:History_of_Germany_by_location</URI>
</Category>
</Categories>
<Templates></Templates>
<Redirects></Redirects>
<Refcount>14</Refcount>
</Result>
</ArrayOfResult>
あなたは正しいです URI カテゴリを持つ要素uris、例えば
<URI>http://dbpedia.org/resource/Category:History_of_Berlin</URI>
しかし、あなたが注意すべきは、ドキュメントの根源から、あるということです
ArrayOfResult/Result/Categories/Category/URI
一方、あなたが望む要素はそうです
ArrayOfResult/Result/URI
要素。 XMLを少し異なる方法で処理する必要があります。取得しないでください 全て からのコンテンツ 全て URI 要素ですが、 URI の子供である要素 Result 要素。私はサックスの解析にそれほど精通しているわけではありませんが、重要なポイントは、あなたが入力したら Result, 、あなたはをつかむだけです URI 別の子要素に入っていない場合 Result.
