英文:
Parsing a tei XML with golang
问题
我需要使用golang解析一个tei XML文件。我尝试使用encoding/xml的解组器。这里是一个例子：http://play.golang.org/p/h0k-4IjngY
问题：
- 即使tei文件无效，xml文件有效，这个例子也没有返回任何内容。如果我删除第23行的
<TEI>（使xml文件无效），这个例子就会打印出一些内容。 - 如何使Line结构体包含
<l>元素的内容？ - 在Page结构体中，我需要
n属性的值，我该如何实现？
解组是解析这种文件的正确方法，还是nokogiri会是更好的解决方案？
谢谢。
英文:
I need to parse a tei XML file with golang. I tried using the encoding/xml unmarshaller. Here is the example:
http://play.golang.org/p/h0k-4IjngY
Problems:
- Even if tei file is not valid and the xml is valid the example returns me nothing. If I remove line 23
<TEI>(so xml is not anymore valid), the example prints something. - How can I have the Line struct a string containing the content of
<l>element? - In the Page struct I need the value of
nattribute, how do I achieve this?
Is unmarshalling the right way to parse these kinds of files or nokogiri would be a better solution?
Thanks
答案1
得分: 0
使用xml.Unmarshal()函数读取这个XML是完全可以的。
问题在于XML的结构如下：
<TEI>
<text>
<sp>
</sp>
<sp>
</sp>
</text>
</TEI>
而你的Go结构如下：
Page
[]Speak
缺少一层。 你的Page可能匹配<TEI>或<text>元素，但不能同时匹配两者。如果删除<TEI>元素，它可以匹配<text>及其内容。
解决方案：
添加另一个包装器，如下所示：
type Text struct {
Txt Page `xml:"text"`
}
当然，解析时要使用这种类型的值：
var p Text
err := xml.Unmarshal([]byte(data), &p)
在Go Playground上尝试修改后的代码。
英文:
It is perfectly fine to read this XML using xml.Unmarshal().
The problem is that the XML structure is the following:
<TEI>
<text>
<sp>
</sp>
<sp>
</sp>
</text>
</TEI>
And your Go structure is the following:
Page
[]Speak
There is one missing layer. Your Page might match the <TEI> or <text> element, but not both. It works for you if you remove the <TEI> element because then Page can match <text> and its contents.
Solution:
Add another wrapper like this:
type Text struct {
Txt Page `xml:"text"`
}
And of course parse a value of this type:
var p Text
err := xml.Unmarshal([]byte(data), &p)
Try it your modified code on the Go Playground.
通过集体智慧和协作来改善编程学习和解决问题的方式。致力于成为全球开发者共同参与的知识库，让每个人都能够通过互相帮助和分享经验来进步。
评论