Tác giả YiyaoXuất bản Cập nhật
Chuyển XML mà không phải đoán cấu trúc JSON
Dán một tài liệu XML nhỏ rồi xem JSON được tạo từ các phần tử và thuộc tính. Công cụ phù hợp khi nguồn cấp, bản xuất hoặc phản hồi API mà bạn được phép sử dụng cần một cấu trúc dễ dự đoán để xử lý tiếp.
Bắt đầu bằng mẫu đại diện có các trường cần thiết. So sánh kết quả ánh xạ với bản gốc trước khi áp dụng cùng quy tắc cho tập dữ liệu lớn hơn. Chuyển XML và trích xuất bản ghi là hai bước riêng: công cụ không quyết định trường nào thuộc báo cáo cuối cùng.
Đối chiếu đầu vào và kết quả
Dán XML vào ô nhập, chọn Chuyển đổi rồi kiểm tra JSON đã định dạng ở bên cạnh. Chỉ sao chép hoặc tải xuống sau khi kiểm tra ánh xạ. Nếu đầu vào không hợp lệ, thông báo sẽ giúp bạn nhận biết lỗi và kết quả cũ sẽ bị xóa để tránh dùng nhầm.
Giữ XML gốc cùng hồ sơ nguồn. Thay đổi cách biểu diễn giúp việc kiểm tra thuận tiện hơn, nhưng không thay thế dữ liệu nguồn cần dùng để giải thích một trường bất thường hoặc quyết định chuyển đổi.
Tuân theo một quy tắc ánh xạ rõ ràng
Công cụ giữ nguyên phần tử gốc. Thuộc tính trở thành khóa bắt đầu bằng @. Các phần tử cùng cấp có cùng tên xuất hiện nhiều lần trở thành mảng; một lần xuất hiện vẫn là một giá trị. Văn bản giữ kiểu chuỗi, nên mã như 0017 không mất số 0 đầu.
Phần tử có cả thuộc tính và văn bản dùng #text để lưu văn bản. Phần tử rỗng tạo chuỗi rỗng. Nội dung trộn lẫn văn bản với phần tử con cần phép chuyển đổi giữ thứ tự, nên bị từ chối trong quy tắc đơn giản này.
| Đặc điểm XML | Biểu diễn JSON | Cần kiểm tra |
|---|---|---|
| Phần tử gốc | Khóa có tên ở cấp cao nhất | Giữ ranh giới nguồn cấp hoặc bản ghi |
| Thuộc tính id="0017" | "@id": "0017" | Giữ mã định danh dưới dạng văn bản |
| Các phần tử item lặp lại | Mảng item | Đếm số bản ghi đã chuyển |
| Văn bản 12.50 | Chuỗi "12.50" | Chỉ đổi thành số ở bước xác định kiểu sau đó |
Kiểm tra một ví dụ nhỏ
Với <items><item id="0017">Blue</item><item id="0018">Green</item></items>, kết quả là {"items":{"item":[{"@id":"0017","#text":"Blue"},{"@id":"0018","#text":"Green"}]}}.
Kiểm tra hai bản ghi, hai mã định danh dạng chuỗi và nhãn tương ứng. Nếu bước tiếp theo là bảng tính, chọn mảng item và xác định cột @id, #text. Không đưa toàn bộ đối tượng bao ngoài vào bộ xuất theo hàng khi chưa kiểm tra đầu vào mà nó yêu cầu.
Xử lý cấu trúc chưa được hỗ trợ trước khi chuyển
Sửa XML sai cú pháp tại nguồn, không âm thầm loại bỏ thẻ chưa hoàn chỉnh. Tài liệu có khai báo DOCTYPE hoặc thực thể bên ngoài bị từ chối. Phần tử dùng namespace và nội dung hỗn hợp cần quy tắc ánh xạ rõ hơn phạm vi phiên bản này.
Với quy trình sản xuất lớn hơn, xác định schema và đường dẫn bản ghi trước khi chọn thư viện chuyển đổi. Ghi nhận lỗi trong nhật ký chạy để kết quả chưa hoàn chỉnh không bị hiểu nhầm là dữ liệu thu thập đầy đủ.
Dùng kết quả ở đúng bước
Arcvenza Crawler Console quản lý tác vụ thu thập và kết quả. Chỉ dùng bộ chuyển đổi này khi dữ liệu thực tế là XML. General Website Crawl cung cấp HTML và Markdown; cần trích xuất phù hợp từ những định dạng đó thay vì đổi tên chúng thành XML.
Sau khi chuyển, kiểm tra số lượng bản ghi và các trường đại diện. Nếu cần đầu ra dạng bảng, tiếp tục với bước ánh xạ JSON sang CSV.
Với tác vụ thu thập, Khám phá Crawler Console. Chuyển đổi cục bộ vẫn là bước riêng.
Câu hỏi về chuyển đổi XML
Công cụ có tự suy luận ngày tháng và số không? Không. Văn bản và thuộc tính XML vẫn là chuỗi để bước xử lý theo schema sau đó quyết định kiểu.
JSON có thể tái tạo mọi chi tiết của XML gốc không? Hãy giữ nguồn gốc. Quy tắc này phục vụ kiểm tra dữ liệu, không phải chuyển đổi XML khứ hồi không mất thông tin.
