DBLP数据集的简单处理

# -*- coding:utf-8 -*-
‘‘‘
@author:Zhong Peng
@createDate:2015-11-05
@version:1.0.0
‘‘‘
import sys
from xml.sax import handler make_parser
import pickle
import os

DBLP_xml_PATH = r‘C:\Users\zhongpeng\Desktop\dblp.xml‘

#此处需要完整添加所有“块”结构的标签，或者需要处理的类型的标签
paperTag = （‘inproceedings‘‘proceedings‘
        ‘incollection‘‘phdthesis‘‘mastersthesis‘‘www‘）



class CoauthorHandler（handler.ContentHandler）:

    def __init__（self）:
        self.title = ‘‘
        self.year = ‘‘
        self.author = ‘‘
        self.count = 0
        self.isPaperTag = 0
        self.istitleTag = 0
        self.isYearTag = 0
        self.isAuthorTag = 0
        self.authors = []#存储每个“块”中的所有author
        self.storage = {}#用来存储生成的数据，结构为{‘title‘:[year [author1 author2 ...]]}