使用 Apache Any23 從 HTML 中提取 JSON-LD

Question

我的目標是從網頁中提取結構化數據。 我正在使用這個 SO question 中提到的代碼。 我在 Spring 項目中使用Apache Any23 CLI庫依賴項。

通過使用它，我可以從網頁中提取 HTML5 微數據 (Schema.org)。 但是，我無法提取網頁中存在的 JSON-LD 格式。 當我檢查Apache Any23的文檔時，它支持 JSON-LD 格式。 沒有找到任何關於它的進一步文檔。

Answer 1

通常，如果您使用new Any23()創建一個新的 Any23 提取器，它應該是開箱即用的。 如果您使用另一個構造函數，如Any23(String... extractorNames) ，則必須確保為嵌入式 JSON LD 添加了正確的構造函數，即"html-embedded-jsonld" 。

現在，如果提取過程中出現任何錯誤，Any23 會靜默刪除它們。 （這很棒，我知道！）

我發現可以在org.apache.any23.extractorExtractionResultImpl方法notifyIssue設置斷點。 有了這個，您可以找到更詳細的問題原因。