java使用与哈希集对应的固定键创建哈希映射。出发点

Question

我的目标是创建一个hashmap，其中字符串作为键，条目值作为字符串的HashSet

---

输出

现在的输出是这样的：

Hudson+(surname)=[Q2720681], Hudson,+Quebec=[Q141445], Hudson+(given+name)=[Q5928530], Hudson,+Colorado=[Q2272323], Hudson,+Illinois=[Q2672022], Hudson,+Indiana=[Q2710584], Hudson,+Ontario=[Q5928505], Hudson,+Buenos+Aires+Province=[Q10298710], Hudson,+Florida=[Q768903]]

根据我的想法，应该是这样的：

[Hudson+(surname)=[Q2720681,Q141445,Q5928530,Q2272323,Q2672022]]

---

其目的是在Wikidata中存储一个特定名称，然后存储与该名称消歧相关的所有Q值，例如：

This是“布什”的页面

我希望Bush是关键，然后对于所有不同的出发点，所有Bush可能与Wikidata终端页面关联的不同方式，我希望存储相应的“Q值”，或唯一的字母数字标识符

我实际做的是从维基百科消歧中提取不同的名称和值，然后在wikidata中查找与该值关联的唯一字母数字标识符

例如，对于Bush，我们有：

George H. W. Bush 
George W. Bush
Jeb Bush
Bush family
Bush (surname) 

相应地，Q值为：

George H. W. Bush（Q23505）

George W. Bush（第2007季度）

Jeb Bush（Q221997）

(问题2743830)

（Q1484464）

我的想法是数据结构应按以下方式解释

键：Bush 条目集：Q23505, Q207, Q221997, Q2743830, Q1484464

但是我现在的代码不能做到这一点

它为每个名称和Q值创建一个单独的条目。i、 e

键：Jeb Bush 条目集：Q221997

键：George W. Bush 条目集：Q207

等等

完整的代码可以在my github page上看到，但我也将在下面对其进行总结

这就是我用来为数据结构添加值的方法：

// add Q values to their arrayList in the hash map at the index of the appropriate entity
public static HashSet<String> put_to_hash(String key, String value) 
{
    if (!q_valMap.containsKey(key)) 
    {
        return q_valMap.put(key, new HashSet<String>() );
    }
    HashSet<String> list = q_valMap.get(key);
    list.add(value);
    return q_valMap.put(key, list);
}

以下是我获取内容的方式：

    while ((line_by_line = wiki_data_pagecontent.readLine()) != null) 
    {
        // if we can determine it's a disambig page we need to send it off to get all 
        // the possible senses in which it can be used.
        Pattern disambig_pattern = Pattern.compile("<div class=\"wikibase-entitytermsview-heading-description \">Wikipedia disambiguation page</div>");
        Matcher disambig_indicator = disambig_pattern.matcher(line_by_line);
        if (disambig_indicator.matches()) 
        {
            //off to get the different usages
            Wikipedia_Disambig_Fetcher.all_possibilities( variable_entity );
        }
        else
        {
            //get the Q value off the page by matching
            Pattern q_page_pattern = Pattern.compile("<!-- wikibase-toolbar --><span class=\"wikibase-toolbar-container\"><span class=\"wikibase-toolbar-item " +
                    "wikibase-toolbar \">\\[<span class=\"wikibase-toolbar-item wikibase-toolbar-button wikibase-toolbar-button-edit\"><a " +
                    "href=\"/wiki/Special:SetSiteLink/(.*?)\">edit</a></span>\\]</span></span>");

            Matcher match_Q_component = q_page_pattern.matcher(line_by_line);
            if ( match_Q_component.matches() ) 
            {
                String Q = match_Q_component.group(1);

                // 'Q' should be appended to an array, since each entity can hold multiple
                // Q values on that basis of disambig
                put_to_hash( variable_entity, Q );
            }
        }

    }

这就是我如何处理消歧页面：

public static void all_possibilities( String variable_entity ) throws Exception
{
    System.out.println("this is a disambig page");
    //if it's a disambig page we know we can go right to the wikipedia


    //get it's normal wiki disambig page
    Document docx = Jsoup.connect( "https://en.wikipedia.org/wiki/" + variable_entity ).get();



        //this can handle the less structured ones. 
        Elements linx = docx.select( "p:contains(" + variable_entity + ") ~ ul a:eq(0)" );

        for (Element linq : linx) 
        {
            System.out.println(linq.text());
            String linq_nospace = linq.text().replace(' ', '+');
            Wikidata_Q_Reader.getQ( linq_nospace );

        }

}

我在想也许我可以传递Key值，但我真的不知道。我有点困了。也许有人可以看看我如何实现这个功能

Answer 1

我不清楚你的问题是什么不起作用，或者你是否看到了实际的错误。但是，虽然您的基本数据结构思想（String到Set<String>的HashMap）是正确的，但“add”函数中存在一个缺陷

public static HashSet<String> put_to_hash(String key, String value) 
{
    if (!q_valMap.containsKey(key)) 
    {
        return q_valMap.put(key, new HashSet<String>() );
    }
    HashSet<String> list = q_valMap.get(key);
    list.add(value);
    return q_valMap.put(key, list);
}

在第一次看到某个键（if (!q_valMap.containsKey(key))）的情况下，它会为该键激活一个新的HashSet，但在返回之前不会向其添加value。（返回的值是该键的旧值，因此将为null。）所以每一项都会失去一个Q值

对于这样的多层数据结构，我通常只对中间结构进行特例化，然后在单个代码路径中进行添加和返回。我想这会解决的。（我还将把它称为valSet，因为它是一个集合而不是一个列表。并且无需每次都将集合重新添加到映射中；它是一个引用类型，在您第一次遇到该键时会被添加。）

public static HashSet<String> put_to_hash(String key, String value) 
{
    if (!q_valMap.containsKey(key)) {
        q_valMap.put(key, new HashSet<String>());
    } 
    HashSet<String> valSet = q_valMap.get(key);
    valSet.add(value);
    return valSet;
}

还要注意，返回的Set是对该键的live Set的引用，因此在调用者中修改它时需要小心，如果执行多线程处理，则会出现并发访问问题

或者只使用番石榴Multimap，这样您就不必担心自己编写实现了