我需要使用Google Refine来解析XML以从中提取一些数据。
XML是这样的
<wfs:FeatureCollection xsi:schemaLocation="http://mapserver.gis.umn.edu/mapserver http://wms.pcn.minambiente.it/ogc?map=/ms_ogc/wfs/Numeri_Civici_2012.map&SERVICE=WFS&VERSION=1.1.0&REQUEST=DescribeFeatureType&TYPENAME=IN.NUMERICIVICI.2012&OUTPUTFORMAT=text/xml;%20subtype=gml/3.1.1 http://www.opengis.net/wfs http://schemas.opengis.net/wfs/1.1.0/wfs.xsd"><gml:boundedBy><gml:Envelope srsName="EPSG:4326"><gml:lowerCorner>45.808287 9.575815</gml:lowerCorner><gml:upperCorner>45.808287 9.575815</gml:upperCorner></gml:Envelope></gml:boundedBy><gml:featureMember><ms:IN.NUMERICIVICI.2012 gml:id="IN.NUMERICIVICI.2012.1225789"><gml:boundedBy><gml:Envelope srsName="EPSG:4326"><gml:lowerCorner>45.808287 9.575815</gml:lowerCorner><gml:upperCorner>45.808287 9.575815</gml:upperCorner></gml:Envelope></gml:boundedBy><ms:boundary><gml:Point srsName="EPSG:4326"><gml:pos>45.808287 9.575815</gml:pos></gml:Point></ms:boundary><ms:id>13800026062251</ms:id><ms:nome>Via Milano</ms:nome><ms:civico>55</ms:civico><ms:istat>03016023</ms:istat><ms:cap>24030</ms:cap><ms:comune>BERBENNO</ms:comune><ms:nome_ted> </ms:nome_ted><ms:provincia>BERGAMO</ms:provincia><ms:regione>LOMBARDIA</ms:regione></ms:IN.NUMERICIVICI.2012></gml:featureMember></wfs:FeatureCollection>
，我想提取这个标签
的坐标<gml:Point srsName="EPSG:4326"><gml:pos>45.808287 9.575815</gml:pos></gml:Point>
所以两个不同字段中的单个数字45.808287和9.575815
我已经试过了
value.parseHtml().select("Point|pos")......
但我不知道如何继续。
有什么建议吗?
祝贺你自己找到了解决方案(并将其连同参考资料一起发布，以使他人受益)。
我实际上建议做得稍微不同:
value.parseHtml().select('gml|Point gml|pos')[0].htmlText().trim().split(' ')[0].toNumber()
主要的重要区别是使用htmlText()提取文本内容，而不是将元素转换为字符串(带标记)，然后使用固定的子字符串删除标记。
我做的另一个纯粹风格上的改变是使用函数链，这样操作顺序从左到右，而不是从内到外。
我包含的trim()在您的示例中不是必需的，但我将其包含为良好的卫生。最小的版本是:
value.parseHtml().select('gml|Point gml|pos')[0].htmlText().split(' ')[0].toNumber()
value.parseHtml().select('gml|Point gml|pos')[1].htmlText().split(' ')[0].toNumber()
您也可以使用forEach操作符来获取数组中的坐标，如果这对您的用例更有用:
forEach(value.parseHtml().select('gml|Point gml|pos')[0].htmlText().split(' '), n, n.toNumber())
我找到了解决方案…
toNumber(split(trim(substring(value.parseHtml().select("gml|Point gml|pos")[0].toString(),10, -10)), " ")[0])
和
toNumber(split(trim(substring(value.parseHtml().select("gml|Point gml|pos")[0].toString(),10, -10)), " ")[1])
这些链接非常有用....
- https://github.com/OpenRefine/OpenRefine/wiki/GREL-String-Functions
- https://github.com/OpenRefine/OpenRefine/wiki/StrippingHTML
- http://jsoup.org/cookbook/extracting-data/selector-syntax