Pokazala se je težava s podatki o letu objave. Nekateri zapisi v XML datotekah nimajo podatka o letu objave, kljub temu, da ta podatek v bazi COBISS obstaja. Pri tem gre očitno za sistemsko odločitev o tem kaj bo vključeno v XML zapis in kaj ne. Tudi sicer je velikokrat leto objave zavedeno opisno in ne kot letnica (npr: januar 1990, 15. 5.2005)

Primer bibliografske enote (COBISS ID = 1748268) avtorja s šifro raziskovalca “00147”:

• Zapis v COBISSu
• XML zapis:

    <BiblioEntry bno="20" type="monograph">
      <AuthorGroup>
        <Author responsibility="alternative">
   <FirstName>Franc</FirstName>
   <SurName>Bavec</SurName>
   <Code>05085</Code>
   <CodeOrg>3-209</CodeOrg>
   <Contrib>avtor</Contrib>
        </Author>
....
        <Author responsibility="alternative">
   <FirstName>Mario</FirstName>
   <SurName>Lešnik</SurName>
   <Code>13492</Code>
   <CodeOrg>3-209</CodeOrg>
   <Contrib>avtor</Contrib>
        </Author>
      </AuthorGroup>
      <Title>Poročilo o delu v letu 2000 in program dela za leto 
2001</Title>
      <TitleISBD>Poročilo o delu v letu 2000 in program dela za leto 2001 / 
Vodja: Franc Bavec ; sodelavci: Andrej Šušek, Silva Mlakar-Grobelnik, 
Manfred Jakop</TitleISBD>
      <Publisher>
        <Address>Maribor</Address>
        <PublisherName>Fakulteta za kmetijstvo</PublisherName>
      </Publisher>
      <PublisherISBD>Maribor : Fakulteta za kmetijstvo</PublisherISBD>
      <Country code="svn"/>
      <PhysicalAttributes>
        <Extent>1 zv. loč pag.</Extent>
        <Dim>30 cm</Dim>
      </PhysicalAttributes>
      <Descriptors lang="slv">Tehnološki centri /poročila</Descriptors>
      <UDK>633</UDK>
      <ClassNumber code="udc">633+635</ClassNumber>
      <Typology id="2.12">končno poročilo o rezultatih raziskav</Typology>
      <COBISS co="SI" id="1748268">
      
http://izums1.izum.si/scripts/cobiss?command=DISPLAY&base=COBIB&RID=1748268</COBISS>

      <Evaluation cat="SU (S)" points="0.17" authno="16"/>
    </BiblioEntry>

Parsanje informacij o letu objave iz spleta:

leto<-readLines("http://cobiss.izum.si/scripts/cobiss?command=DISPLAY&base=COBIB&RID=1748268")
leto<-leto[which(gregexpr("<tr><th scope=\"row\" valign=\"top\">Leto</th><td>",leto)>0)]
leto<-as.numeric(gsub("</td></tr>","",gsub("<tr><th scope=\"row\" valign=\"top\">Leto</th><td>","",leto)))

Gre za napake, zaradi katerih se zatakne XML parser (uporabljam paket XML v R-u). Pomembno: Iste napake so bile prisotne tudi v prejšnji verziji podatkov, tako da gre najbrž za sistemske probleme oz probleme z vnosom.

Napaka 1:

Opis napake:
Pojavlja se stalna napaka kjer manjka uvoden Tag <SeriesInfoISBD>. Ker napaka vedno sledi “</SeriesInfo>******” , kjer so * vsebina pokvarjenega zapisa , closing tag </SeriesInfoISBD> enostavno pobrišemo.
R-koda:
txt[which(gregexpr("</SeriesInfo>....",txt)!=-1)+1]<-""

Datoteke:
“bib211_00249.xml” “bib211_00956.xml” “bib211_00962.xml” “bib211_04628.xml”
“bib211_09085.xml” “bib211_10720.xml” “bib211_00300.xml” “bib211_01927.xml”
“bib211_02895.xml” “bib211_03707.xml” “bib211_04121.xml” “bib211_08504.xml”
“bib211_09593.xml” “bib211_09975.xml” “bib211_15069.xml”

Napaka 2: 

Opis napake:
#xmlParseCharRef: invalid xmlChar value 0

R-koda:
txt<-gsub("(&#x....)č","\\1;",txt) #uporabljen je regexpression substitute (zamenjamo č s podpičjem ; )

Datoteke:
“bib211_00582.xml” “bib211_01859.xml” “bib211_05958.xml” “bib211_07560.xml”
“bib211_10180.xml” “bib211_11517.xml” “bib211_19277.xml”

Napaka 3: 

Opis napake:
#xmlParseCharRef: invalid xmlChar value 0

R-koda:
txt<-gsub("&#61566,","",txt)

Datoteke:
“bib211_05008.xml” “bib211_05098.xml” “bib211_10412.xml” “bib211_07914.xml”
“bib211_18302.xml”

Napaka 4:

Opis napake:
Prelom vrstice znotraj “taga”

R-koda:
txt<-paste(txt, sep="", collapse="\n");txt<-gsub("\n","",txt)

Datoteke:
“bib211_01119.xml” “bib211_07625.xml” “bib211_03370.xml”

Napaka 5:

Opis napake:
#PCDATA invalid Char value 11

R-koda:
txt<-gsub("\v","",txt)

Datoteke:
[1] “bib211_00736.xml” “bib211_00986.xml” “bib211_04423.xml” “bib211_07254.xml”
[5] “bib211_08137.xml” “bib211_02565.xml” “bib211_15299.xml” “bib211_03480.xml”

Napaka 6:

Opis napake:
Dva neprimerna znaka (vedno nastopata v paru): #PCDATA invalid Char value 15, #PCDATA invalid Char value 16

R-koda:
txt<-gsub("\017","",txt)
txt<-gsub("\020","",txt)

Datoteke:
“bib211_05614.xml” “bib211_04001.xml” “bib211_10038.xml” “bib211_05320.xml” “bib211_11222.xml” “bib211_07469.xml”

Napaka 7:

Opis napake:
Dva neprimerna znaka (vedno nastopata v paru): #PCDATA invalid Char value 17, #PCDATA invalid Char value 18

R-koda:
txt<-gsub("\021","",txt)
txt<-gsub("\022","",txt)

Datoteke:
“bib211_04001.xml” “bib211_05320.xml” “bib211_07469.xml” “bib211_10038.xml” “bib211_11222.xml”

Napaka 8:

Še trije posebni primeri (Spet “/SeriesInfo” problem samo v malo drugačnih kombinacijah)

R-koda:
txt<-gsub("</SeriesInfo>C4-0568","</SeriesInfo>",txt)
txt[which(gregexpr("</SeriesInfo>....",txt)!=-1)+1]<-""

Datoteka:
“bib211_00936.xml”

R-koda:
txt[which(gregexpr("<SeriesInfoISBD>SBK ; LVIII-31",txt)!=-1)-1]<-""

Datoteki:
“bib211_05156.xml” “bib211_08487.xml”