在哪里可以找到用于解析器测试的大型选项卡式分层数据集？

Question

首先，抱歉，因为我意识到这与解析器编程无关。

我花了几个小时寻找一个包含类似以下内容但包含数百个（希望是数千个）子条目的文本文件。如果有完整的生物分类文件就完美了。当我的解析器解析简单的选项卡式文件时，以下的大规模版本将非常有用：

TL,DR - 我需要一个大规模的单文件分层数据集，如下所示：< /strong>

Kindoms
    Monera
    Protista
    Fungi
    Plants
    Animals
        Porifera
            Sponges
        Coelenterates
            Hydra
            Coral
            Jellyfish
        Platyhelminthes
            Flatworms
            Flukes
        Nematodes
            Roundworms
            Tapeworms
        Chordates
            Urochordataes
            Cephalochordates
            Vertebrates
                Fish
                Amphibians
                Reptiles
                Birds
                Mammals

我能找到的最好的是生命之树图像（我从中转录了上面的示例数据集）。包含大量真实数据的单个文件将是很棒。它不一定是生物分类数据集，但我真的希望这些数据能够反映现实世界中的某些内容。 （我的解析器提供了一个菜单 - 如果我的测试的其余部分是使用真正有意义的数据集，那就太好了！）即使文件没有选项卡式，但数据很容易被正则表达式为选项卡式格式......那太好了。

有什么想法吗？谢谢！

Answer 1

自上次回答以来，xml 布局可能已更改，但上面提交的代码不再准确。生成的转储是无关的。某些节点具有别名（表示为“其他名称”），这些别名本身被报告为不同的节点。

我使用下面的脚本生成正确的转储。

<?php
$reader = new XMLReader();
$reader->open('http://tolweb.org/onlinecontributors/app?service=external&page=xml/TreeStructureService&node_id=1'); //15963 is the primates index
$set=-1;
while ($reader->read()) {
    switch ($reader->nodeType) {
        case (XMLREADER::ELEMENT):
        if ($reader->name == "OTHERNAMES"){
            $set=1;
        }
        if ($reader->name == "NODES"){
            $set=-1;
        }
        if ($reader->name == "NODE"){
            $set=-1;
        }
        if ($reader->name == "NAME" AND $set == -1){
            echo str_repeat("\t", $reader->depth - 2);  //repeat tabs for depth
            $node = $reader->expand();
            echo $node->textContent . "\n";
        }
            break;
    }
}
?>

Answer 2

事实证明这真是一件令人痛苦的事情。我最终在 tolweb.org 上找到了来自“生命之树网络项目”的数据源。我制作了下面的 php 脚本来提供我的帖子所需的基本功能。

更改node_id以使其打印任何tolweb.org数据的选项卡式表示形式 - 只需从您在其网站上浏览的页面中获取id并更改下面的node_id即可。

但请注意 - 他们的数据源提供大文件，因此如果您要多次点击该文件，请务必将文件下载到您自己的服务器（并更改下面的“打开”方法以指向本地文件） 。

有关 tolweb.org 数据源的更多信息可以在此处找到：
http://tolweb.org/tree/home.pages/downloadtree.html

<?php
$reader = new XMLReader();
$reader->open('http://tolweb.org/onlinecontributors/app?service=external&page=xml/TreeStructureService&node_id=15963'); //15963 is the primates index
while ($reader->read()) {
    switch ($reader->nodeType) {
        case (XMLREADER::ELEMENT):
            if ($reader->name == "NAME"){
                echo str_repeat("\t", $reader->depth - 2);  //repeat tabs for depth
                $node = $reader->expand();
                echo $node->textContent . "\n";
            }
            break;
    }
}
?>