CAS to XMI -Uima答案

【问题标题】：CAS to XMI -UimaCAS to XMI -Uima
【发布时间】：2021-02-06 18:11:28
【问题描述】：

当我尝试将 cas 转换为 xmi 时，由于 "（无效的 XML 字符），我收到了 UIMARuntimeException。提前致谢。

例外：

Caused by: org.xml.sax.SAXParseException; lineNumber: 190920; columnNumber: 36557; Character reference "&#55349" is an invalid XML character.
at org.apache.xerces.parsers.AbstractSAXParser.parse(Unknown Source)
at org.apache.uima.util.XmlCasDeserializer.deserializeR(XmlCasDeserializer.java:111)
at org.apache.uima.util.CasIOUtils.load(CasIOUtils.java:366)

代码：

    private static void serialize(CAS cas, File file) throws SAXException, IOException {
    Watch casToXmi = new Watch(Path.getFileName() + "Cas to Xmi Convertion - "+file.getName());
    casToXmi.start();
      OutputStream outputStream = null;
      try {
        outputStream = new BufferedOutputStream(new FileOutputStream(file));
        XmiCasSerializer xmiSerializer = new XmiCasSerializer(cas.getTypeSystem());
        XMLSerializer xmlSerializer = new XMLSerializer(outputStream, true);
        xmiSerializer.serialize(cas,xmlSerializer.getContentHandler());
      } catch (FileNotFoundException fnfe) {
        throw new FileNotFoundException(fnfe.getMessage());
      } catch (SAXException saxe) {
        throw new SAXException(saxe.getMessage());
      } finally {
        try {
          outputStream.close();           
        } catch (IOException ioe) {
          throw new IOException(ioe.getMessage());
        }
      }
      casToXmi.stop();
    }

【问题讨论】：

这个问题似乎与 Ruta 无关。

标签： uima

【解决方案1】：

我使用了 SerialFormat.BINARY，它将提供没有类型系统、没有过滤的普通自定义二进制序列化 CAS。

private static void serialize(CAS cas, File file) throws SAXException, IOException {
    Watch casToXmi = new Watch(Path.getFileName() + "Cas to Xmi Convertion - "+file.getName());
    casToXmi.start();
      OutputStream outputStream = null;
      try {
        outputStream = new FileOutputStream(file);
        CasIOUtils.save(cas, outputStream, SerialFormat.BINARY);
        
      } catch (FileNotFoundException fnfe) {
        throw new FileNotFoundException(fnfe.getMessage());
      } finally {
        try {
          outputStream.close();
          
        } catch (IOException ioe) {
          throw new IOException(ioe.getMessage());
        }
      }
      casToXmi.stop();
    }

【讨论】：

【解决方案2】：

默认情况下，XMI 被序列化为 XML 1.0。 XML 1.0 可以表示的字符范围有限。

但是 UIMA 有 CasIOUtils，它可以让我们非常容易地写出我们的数据：

  out = new FileOutputStream(this.outputFile);
  CasIOUtils.save(cas, out, SerialFormat.XMI_1_1);

或者，您可以在代码中配置序列化程序以生成 XML 1.1，这可能会解决您的问题：

XMLSerializer sax2xml = new XMLSerializer(docOS, prettyPrint);
sax2xml.setOutputProperty(OutputKeys.VERSION, "1.1");

这些行取自 DKPro Core 的XmiWriter。

注意：我看到您的代码包含Watch。如果速度是您关心的问题，那么还有其他支持的格式可以比 XMI 更快地保存/加载，例如二进制格式SerialFormat.COMPRESSED_FILTERED_TSI。不像 XMI 这种格式还支持文本中的任何字符。

免责声明：我是 Apache UIMA 项目的一员，也是 DKPro Core 的维护者。

【讨论】：

谢谢推荐。你的帖子对我解决我的问题很有用。