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。我正在使用这个 SO question中提到的代码。我在我的 Spring 项目中使用Apache Any23 CLI库依赖项。

通过使用它，我能够从网页中提取 HTML5 微数据 (Schema.org)。但是，我无法提取网页中存在的 JSON-LD 格式。当我查看Apache Any23的文档时，它支持 JSON-LD 格式。没有找到任何进一步的文件。

Answer 1

通常，如果您使用它创建一个新的 Any23 提取器，new Any23()它应该可以开箱即用。如果您使用另一个构造函数，Any23(String... extractorNames)您必须确保为嵌入式 JSON LD 添加正确的构造函数，即"html-embedded-jsonld".

现在，如果提取过程中出现任何错误，Any23 会默默地删除它们。（这很棒，我知道！）

我发现可以在org.apache.any23.extractorExtractionResultImpl方法中设置断点notifyIssue。有了这个，您可能能够找到问题的更详细原因。