blocks|key|1272614|text|基于语法的转换的一些工具：|type|unstyled|depth|inlineStyleRanges|entityRanges|data|1272615|1272616|TXL+http://www.txl.ca/|unordered-list-item|offset|length|1272617|Stratego/XT+http://strategoxt.org/|1272618|ASF%2BSDF+http://www.meta-environment.org/|1272619|1272620|添加：|1272621|1272622|FPP+(http://jffp.sourceforge.net/)是一个用Java语言编写的平面文件解析库，如果输入文件只是HTML+(http://jsoup.org/)是一个Java解析器|1272623|，http://htmlparser.sourceforge.net/或<|1272624|>C20http://jsoup.org/>或jsoup|1272625|1272626|entityMap|0|LINK|mutability|MUTABLE|url|http://www.txl.ca/|1|http://strategoxt.org/|2|http://www.meta-environment.org/|3|http://jffp.sourceforge.net/|4|http://jsoup.org/|5|http://htmlparser.sourceforge.net/^0|0|0|4|I|0|0|C|M|1|0|8|W|2|0|0|0|0|5|S|3|1X|H|4|0|1|Y|5|0|0|0^^$0|@$1|2|3|4|5|6|7|1E|8|@]|9|@]|A|$]]|$1|B|3|-4|5|6|7|1F|8|@]|9|@]|A|$]]|$1|C|3|D|5|E|7|1G|8|@]|9|@$F|1H|G|1I|1|1J]]|A|$]]|$1|H|3|I|5|E|7|1K|8|@]|9|@$F|1L|G|1M|1|1N]]|A|$]]|$1|J|3|K|5|E|7|1O|8|@]|9|@$F|1P|G|1Q|1|1R]]|A|$]]|$1|L|3|-4|5|6|7|1S|8|@]|9|@]|A|$]]|$1|M|3|N|5|6|7|1T|8|@]|9|@]|A|$]]|$1|O|3|-4|5|6|7|1U|8|@]|9|@]|A|$]]|$1|P|3|Q|5|E|7|1V|8|@]|9|@$F|1W|G|1X|1|1Y]|$F|1Z|G|20|1|21]]|A|$]]|$1|R|3|S|5|E|7|22|8|@]|9|@$F|23|G|24|1|25]]|A|$]]|$1|T|3|U|5|E|7|26|8|@]|9|@]|A|$]]|$1|V|3|-4|5|6|7|27|8|@]|9|@]|A|$]]|$1|W|3|-4|5|6|7|28|8|@]|9|@]|A|$]]]|X|$Y|$5|Z|10|11|A|$12|13]]|14|$5|Z|10|11|A|$12|15]]|16|$5|Z|10|11|A|$12|17]]|18|$5|Z|10|11|A|$12|19]]|1A|$5|Z|10|11|A|$12|1B]]|1C|$5|Z|10|11|A|$12|1D]]]]

Some tools for grammar based transformations:

<ul>
<li>TXL <a href="http://www.txl.ca/" rel="nofollow">http://www.txl.ca/</a></li>
<li>Stratego/XT <a href="http://strategoxt.org/" rel="nofollow">http://strategoxt.org/</a></li>
<li>ASF+SDF <a href="http://www.meta-environment.org/" rel="nofollow">http://www.meta-environment.org/</a></li>
</ul>

Addition:

<ul>
<li>FPP (http://jffp.sourceforge.net/) is a flat file parsing library in Java that can be useful</li>
<li>If the input file is only HTML, jsoup (http://jsoup.org/) is a Java HTML parser</li>
<li>So is <a href="http://htmlparser.sourceforge.net/" rel="nofollow">http://htmlparser.sourceforge.net/</a> or <a href="http://mozillaparser.sourceforge.net/" rel="nofollow">http://mozillaparser.sourceforge.net/</a> or <a href="http://jericho.htmlparser.net/docs/index.html" rel="nofollow">http://jericho.htmlparser.net/docs/index.html</a></li>
</ul>

blocks|key|46463|text|看一下用于HTML解析的jsoup和用于Java+to+JSON的gson。|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|46464|entityMap|0|LINK|mutability|MUTABLE|url|http://jsoup.org/|1|http://code.google.com/p/google-gson/^0|C|5|0|X|4|1|0^^$0|@$1|2|3|4|5|6|7|N|8|@]|9|@$A|O|B|P|1|Q]|$A|R|B|S|1|T]]|C|$]]|$1|D|3|-4|5|6|7|U|8|@]|9|@]|C|$]]]|E|$F|$5|G|H|I|C|$J|K]]|L|$5|G|H|I|C|$J|M]]]]

Take a look at <a href="http://jsoup.org/" rel="nofollow">jsoup</a> for HTML parsing and and <a href="http://code.google.com/p/google-gson/" rel="nofollow">gson</a> for Java-to-JSON.

blocks|key|46516|text|要解析HTML，您将需要一个DOM解析器，根据html代码的质量，DOM解析器可以使用您的语法规范来解析它，然后您将需要提供一种您想要的数据结构类型，并且有库可以为您完成这些工作|type|unstyled|depth|inlineStyleRanges|entityRanges|data|46517|entityMap^0|0^^$0|@$1|2|3|4|5|6|7|D|8|@]|9|@]|A|$]]|$1|B|3|-4|5|6|7|E|8|@]|9|@]|A|$]]]|C|$]]

to parse HTML you will need a DOM parser which is a bit lenient depending on the quality of the html code to parse it using your grammar spec and then you will need to provide a type of data structure that you want and there are libraries to do that stuff for you

blocks|key|1275777|text|看一看jilapi|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|1275778|它接受非结构化的纯文本，并给出结构化的JSON。|1275779|entityMap|0|LINK|mutability|MUTABLE|url|https://github.com/BinitaBharati/jilapi^0|3|6|0|0|0^^$0|@$1|2|3|4|5|6|7|N|8|@]|9|@$A|O|B|P|1|Q]]|C|$]]|$1|D|3|E|5|6|7|R|8|@]|9|@]|C|$]]|$1|F|3|-4|5|6|7|S|8|@]|9|@]|C|$]]]|G|$H|$5|I|J|K|C|$L|M]]]]

Have a look at <a href="https://github.com/BinitaBharati/jilapi" rel="nofollow">jilapi</a>

This takes in unstructured plain text and gives out structured JSON.

blocks|key|255962|text|如果纯文本文件的结构是良好的，为什么不结合使用Java+(或DOM+API+)和DOCTYPE来创建DOM对象呢？在此基础上，您可以遍历该对象，并使用类似于google-gson库的东西轻松地将其转换为JSON。|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|255963|entityMap|0|LINK|mutability|MUTABLE|url|http://docs.oracle.com/javase/7/docs/api/org/w3c/dom/package-summary.html|1|https://code.google.com/p/google-gson/^0|U|7|0|26|B|1|0^^$0|@$1|2|3|4|5|6|7|N|8|@]|9|@$A|O|B|P|1|Q]|$A|R|B|S|1|T]]|C|$]]|$1|D|3|-4|5|6|7|U|8|@]|9|@]|C|$]]]|E|$F|$5|G|H|I|C|$J|K]]|L|$5|G|H|I|C|$J|M]]]]

Well if the structure of the plain text files are well-formed, why not use the Java <a href="http://docs.oracle.com/javase/7/docs/api/org/w3c/dom/package-summary.html" rel="nofollow">DOM API</a> (or JDOM) combined with a DOCTYPE to create a DOM Object? From there, you could iterate through that Object and easily convert it to JSON, using something like the <a href="https://code.google.com/p/google-gson/" rel="nofollow">google-gson</a> library.

On input I have a plain text (in my case typically it will be HTML) and a "grammar specification" (some way for extracting data from plain text to structured data), then on output I need to have some structured data (JSON is fine but maybe there exists something better?)

Are there any libraries for this task? What are good approaches to specify "grammar spec"?
What are the best approaches for solving such problem?

Extract structured data from plain text

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

在输入时，我有一个纯文本(在我的例子中通常是HTML)和一个“语法规范”(从纯文本中提取数据到结构化数据的某种方法)，然后在输出时，我需要一些结构化数据(JSON可以，但也许有更好的东西？)是否有用于此任务的库？什么是指定“语法规范”的好方法？解决这类问题的最佳方法是什么？

问从纯文本中提取结构化数据
EN

回答 5

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问从纯文本中提取结构化数据EN

回答 5

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问从纯文本中提取结构化数据
EN