DBLP介绍
DBLP是计算机领域的英文文献数据库,收录了国际期刊和会议等公开发表的论文。DBLP没有提供对中文文献的收录和检索功能,国内类似的权威期刊及重要会议论文集成检索系统有C-DBLP。DBLP是德国特里尔大学的Michael Ley负责开发和维护。它提供计算机领域科学文献的搜索服务,但只储存这些文献的相关元数据,如标题,作者,发表日期等,并使用XML存储元数据。
DBLP数据广泛用于学术研究,如作者主题分析、社区发现、关系推荐、链接预测、作者影响力分析、学术热点研究等。在学术界声誉很高,很多论文及实验都是基于DBLP的。而且更新也很快,每个月初更新一次XML文件,截止至2016.04.12,共收录了330万+的论文、170万+的学者。
XML数据格式
<inproceedings mdate="2012-09-18" key="persons/Codd74">
<author>E. F. Codd</author>
<title>Seven Steps to Rendezvous with the Casual User.</title>
<year>1974</year>
<booktitle>IFIP Working Conference Data Base Management</booktitle>
<url>db/conf/ds/dbm74.html#Codd74</url>
<note>IBM Research Report RJ 1333, San Jose, California</note>
</inproceedings>
<article mdate="2002-01-03" key="persons/Codd69">
<author>E. F. Codd</author>
<title>Derivability, Redundancy and Consistency of Relations Stored in Large Data Banks.</title>
<journal>IBM Research Report, San Jose, California</journal>
<year>1969</year>
<ee>db/labs/ibm/RJ599.html</ee>
</article>
XML的头文件编码方式是 ISO-8859-1 (“Latin-1”) ,但是文件中的内容的都是ASCII字符,其中拉丁字符被转换成对应的实体,如é表示为& eacute; 。包含类型:article、inproceedings、proceedings、book、incollection、phdthesis、mastersthesis、www。
XML具体介绍可参考【官文的PDF】【DBLP XML数据下载地址】
本文介绍将XML解析出来,然后保存到mysql数据库。
mysql存储数据的表结构:
CREATE T