比较来自两个不同格式的 xml 提要的数据答案

【问题标题】：Comparing data from two differently formatted xml feeds比较来自两个不同格式的 xml 提要的数据
【发布时间】：2013-04-17 14:23:23
【问题描述】：

我有这两个提要（在生产中会有更多）关于一个事件的票价 - 这两个提要的格式不同，但基本上显示相同的信息。

我想做的是比较价格属性并找到最低价格，我知道如何比较实际价格

if(floatval($feed1['price']) > floatval($feed2['price']]){
    return $feed1['price'];
}
else {
    return $feed2['price'];
}

但我难以理解的是如何确保我比较相同的事件价格，因为它们来自不同格式的提要。

即。我如何从两个提要中比较伦敦 HMV 音乐会的常设价格？

Feed 1

<type id="4558" name="Rolling Stones Concert" url="http://example1.com">
    <event id="52115351" name="HMV forum - London">
        <ticket name="Stalls" id="1354855" price="120"/>
        <ticket name="Standing" id="4654845" price="85"/>
    </event>

    <event id="52115351" name="Webley Arena - London">
        <ticket name="Stalls" id="4556147" price="110"/>
        <ticket name="Standing" id="9743466" price="95"/>
    </event>
</type>

Feed 2

<type id="5786" name="Rolling Stones Concert - World Tour" url="http://example2.com">
    <market id="45645634" name="London - HMV">
        <unit name="Seating" id="212770047" price="125"/>
        <unit name="Standing" id="212770046" price="80"/>
    </market>

    <market id="45645914" name="London - Wembley">
        <unit name="Seating" id="212770047" price="109"/>
        <unit name="Standing" id="212770046" price="99"/>
    </market>
</type>

【问题讨论】：

标签： php xml simplexml

【解决方案1】：

您正在寻找名为Information extraction (IE) 的东西。这通常使用Natural language processing (NLP) 完成，例如你需要一些能够分析的程序

<type id="4558" name="Rolling Stones Concert" url="http://example1.com">

在第一个提要中表示与相同

<type id="5786" name="Rolling Stones Concert - World Tour" url="http://example2.com">

尽管存在差异，但在第二个提要中：

id="4558"                     =/=  id="5786"
name="Rolling Stones Concert" =/=  name="Rolling Stones Concert - World Tour"
<event>                       =/=  <market>
id="45645634"                 =/=  id="45645914"
name="HMV forum - London"     =/=  name="London - HMV"
<ticket>                      =/=  <unit>
name="Stalls"                 =/=  name="Stalls"

您可以想象，每次获得的新提要都会有所不同。如果您预先分析数据结构（例如是并且哪些属性属于彼此，那么您可以对值和做相似性分析。

此外，如果有常见的同义词，例如 Stalls 是 Seating（反之亦然），您可以预先降低复杂性。

[feed 1] -- streamline --> [sfeed 1]\                   / [combined feed]
                     ...             X compare / align X
[feed N] -- streamline --> [sfeed N]/                   \ [unknown data]

【讨论】：

感谢@harke，当你说“你需要一些程序”时，是否有一些东西可以做到这一点，作为一个库或插件。或者你能指出我进一步阅读的方向吗？抱歉，如果这似乎是一个显而易见的问题，这是我学习 php 以来第一个真正的项目。
@sam：这有多个级别。我不擅长 NLP，所以我不能在这里提出任何建议（我知道有一个很棒的基于 python 的库）。对于提要中的 XML，您可以使用 DOMDocument 和 DOMXpath。此外，XSL 也会想到一些预先运行的转换（例如，重命名元素和属性名称以匹配您的首选命名）。但是做完之后，剩下的要么是手工制作，要么是借助一些对结构有所了解的 NLP。或许你找到IE领域的人可以提供更多建议。