使用 XML minidom 迭代图的后续操作

Question

这是问题的后续内容（链接< /a>)

我打算做的是使用 XML 创建一个使用 NetworkX 的图表。看下面的 DOM 结构，同一节点内的所有节点之间都应该有一条边，并且参加过同一会议的所有节点都应该有一个指向该会议的节点。总而言之，共同撰写论文的所有作者都应该相互连接，并且参加过特定会议的所有作者都应该与该会议连接。

<conference name="CONF 2009">
<paper>
<author>Yih-Chun Hu(UIUC)</author>
<author>David McGrew(Cisco Systems)</author>
<author>Adrian Perrig(CMU)</author>
<author>Brian Weis(Cisco Systems)</author>
<author>Dan Wendlandt(CMU)</author>
</paper>
<paper>
<author>Dan Wendlandt(CMU)</author>
<author>Ioannis Avramopoulos(Princeton)</author>
<author>David G. Andersen(CMU)</author>
<author>Jennifer Rexford(Princeton)</author>
</paper>
</conference>

我已经弄清楚如何将作者与会议联系起来，但我不确定如何将作者彼此联系起来。我遇到的困难是如何迭代撰写同一篇论文的作者并将他们连接在一起。

    dom = parse(filepath)
    conference=dom.getElementsByTagName('conference')
    for node in conference:
        conf_name=node.getAttribute('name')
        print conf_name
        G.add_node(conf_name)

    #The nodeValue is split in order to get the name of the author 
#and to exclude the university they are part of

        plist=node.getElementsByTagName('paper')
        for p in plist:
            author=str(p.childNodes[0].nodeValue)
            author= author.split("(")
#Figure out a way to create edges between authors in the same <paper> </paper>

        alist=node.getElementsByTagName('author')
        for a in alist:
            authortext= str(a.childNodes[0].nodeValue).split("(")

            if authortext[0] in dict:
                edgeQuantity=dict[authortext[0]]
                edgeQuantity+=1
                dict[authortext[0]]=edgeQuantity
                G.add_edge(authortext[0],conf_name)

            #Otherwise, add it to the dictionary and create an edge to the conference.
            else:
                dict[authortext[0]]= 1
                G.add_node(authortext[0])
                G.add_edge(authortext[0],conf_name)
                i+=1

Answer 1

我不确定如何将作者彼此联系起来。

您需要生成（作者，其他作者）对，以便可以将它们添加为边。典型的方法是嵌套迭代：

for thing in things:
    for otherthing in things:
        add_edge(thing, otherthing)

这是一个简单的实现，其中包括自循环（为作者提供了将自己与自己连接起来的边缘），您可能想要也可能不想要；它还包括 (1,2) 和 (2,1)，如果您正在做无向图，则这是多余的。 （在 Python 2.6 中，内置的 排列< /a> 生成器也可以执行此操作。）这是一个修复这些问题的生成器：

def pairs(l):
    for i in range(len(l)-1):
        for j in range(i+1, len(l)):
            yield l[i], l[j]

我没有使用 NetworkX，但查看文档似乎说您可以在同一节点上调用 add_node 两次（第二次没有任何反应） 。如果是这样，您可以丢弃您用来尝试跟踪插入的节点的字典。另外，似乎是说，如果您向未知节点添加边，它会自动为您添加该节点。所以应该可以使代码更短：

for conference in dom.getElementsByTagName('conference'):
    var conf_name= node.getAttribute('name')
    for paper in conference.getElementsByTagName('paper'):
        authors= paper.getElementsByTagName('author')
        auth_names= [author.firstChild.data.split('(')[0] for author in authors]

        # Note author's conference attendance
        #
        for auth_name in auth_names:
            G.add_edge(auth_name, conf_name)

        # Note combinations of authors working on same paper
        #
        for auth_name, other_name in pairs(auth_names):
            G.add_edge(auth_name, otherauth_name)

Answer 2

我不完全确定你在寻找什么，但根据你的描述，我整理了一张图表，我认为它概括了你描述的关系。

https://i.sstatic.net/ch1nW.png

我使用 openfst 来做到这一点。我发现在投入此类代码之前清晰地布局图形关系要容易得多。

另外，你真的需要在作者之间建立明确的优势吗？这似乎是一个遍历问题。