如何在 OpenRefine 中过滤大量 JSON？

Question

我正在使用 OpenRefine 通过 Sherpa Romeo API 获取有关发布者政策的信息（Sherpa Romeo 是一个汇总发布者政策的网站）。我知道了。

现在我需要解析返回的 JSON，以便保留具有某些信息的那些。我感兴趣的结果需要包括以下内容：

'any_website'，

'any_repository'，

'institutional_repository',

'non_commercial_institutional_repository'，

'non_commercial_repository'

这些信息都属于一个名为“permitted_oa”的数组。出于某种原因，我什至无法弄清楚如何拉出该阵列。我试过写 grel 表达式，例如

value.parseJson().items.permitted_oa

但它从不返回任何东西。

我希望我可以共享 JSON，但它太大了。

Answer 1

我可以在这里看到几个问题。

首先，Sherpa API 响应 items 是一个数组（即事物列表）。当您在 JSON 中有一个数组时，您必须从数组中选择一个特定项目，或者您必须在 GREL 中显式处理数组中的事物列表（也就是遍历数组）。如果您以前在 GREL 中使用过数组，您会对此很熟悉，但如果您没有使用过

• value.parseJson().items[0] -> 数组中的第一项
• value.parseJson().items[1] -> 数组中的第二项
• value.parseJson().items[2] -> 数组中的第三项等。

如果您知道数组中只会有一个项目，那么您可以安全地使用 value.parseJson().items[0]

但是，如果您不知道数组中有多少项并且您对它们都感兴趣，则必须使用诸如“forEach”之类的 GREL 控件对数组进行迭代：

forEach(value.parseJson().items, v, v)

是一种遍历数组的方式 - 每次 GREL 在数组中找到一个项目时，它都会将其分配给变量“v”，然后您可以使用“v”对该值进行进一步操作通常会使用“值”（有关在数组上使用 forEach 的示例，请参阅 https://docs.openrefine.org/manual/grel#foreache1-v-e2）

另一种可能性是在阵列上使用join。这会将数组中的所有内容连接成一个字符串。

value.parseJson().items.join("|")

看起来 Sherpa JSON 大量使用数组，因此您可能会发现需要处理更多数组才能获得所需的值。

其次，在 JSON 中，您粘贴的“oa_permitted”不是直接在“item”中，而是在另一个名为“publisher_policy”的数组中 - 因此您还需要导航它。所以：

value.parseJson().items[0].publisher_policy[0].permitted_oa[0]

会在 items 数组的第一个 item 中的第一个 publisher_policy 中为您获取第一个 allowed_oa 对象。如果您想（例如）从您粘贴的 JSON 中获取位置列表，您可以使用：

value.parseJson().items[0].publisher_policy[0].permitted_oa[0].location.location.join("|")

这将为您提供一个管道 ("|") 分隔的位置列表，假设只有一个项目、单个 publisher_policy 和单一的 allowed_oa - 对于您在此处提供的 JSON (但可能并不总是正确的）