Watson Document Conversion 服务返回的答案单元内容数组是否可以包含多个元素？

Question

我正在编写一个程序，该程序利用 IBM Watson 的 Document Conversion 服务将各种类型的文档转换为答案单元。服务返回的每个答案单元都包含一个名为 content 的数组，该数组由具有 media_type 和 text 元素。

我从未在这个 content 数组中看到一个以上的元素，如果有的话，我不确定如何处理它们。这个数组中是否可以有多个元素，如果有，可能的值是多少？它们都具有相同的 media_type 值吗？我目前的计划是，如果存在多个 text 元素，则将其合并为一个。

Answer 1

答案单元内容数组可以包含多个元素（如果您要求 - 见下文）。如果是这样，数组中的每个元素将是相同内容的不同媒体类型表示。

您可以通过在您的请求中添加一种以上的输出媒体类型来实现这一点。当您这样做时，输出内容数组将包含多个元素 - 您请求的每种媒体类型都有一个元素。

例如，如果您的请求包含这样的config：

{
    conversion_target : 'answer_units',
    answer_units : {
        output_media_types : ['text/plain', 'text/html']
    }
}

（请参阅 https://www.ibm.com/watson/developercloud/document-conversion/api/v1/#convert-document 以了解您将 config 放在哪里的说明）

那么您回复中的content 将包含：

content : [
    {
        text : <the plain text contents of the answer unit>,
        ...
    },
    {
        text : <the HTML contents of the answer unit>,
        ...
    }
]

如果你不指定输出媒体类型参数，你会得到默认值：

        output_media_types : ['text/plain']

这就是为什么您总是得到一个长度为 1 的数组，并带有输出的文本版本。因为隐含地，通过将​​其保留为默认配置，您要求的是一种输出媒体类型。

Answer 2

答案单位转换器目前仅按标题标签拆分（默认为<h1> 和<h2>）。如果您想更细化地拆分答案单元，可以通过传入自定义配置来更改其拆分级别：

{
    "answer_units": {
        "selector_tags": ["h1","h2","h3","h4","h5","h6"]
    }
}

见https://www.ibm.com/watson/developercloud/doc/document-conversion/customizing.shtml#htmlau