[发明专利]基于配置文件对XML数据进行字段提取及结构化方法

权利要求书

1.基于配置文件对XML数据进行字段提取及结构化方法，其特征在于包括如下步骤：

步骤1，读取配置文件，在数据库中创建表；

步骤2，读取单个的XML文件，根据对应的配置文件进行XML节点定位；

步骤3，对定位的XML节点进行XML数据提取；

步骤4，对提取的XML数据进行数据后处理；

步骤5，将处理后的数据存入数据库中创建的表。

2.根据权利要求1所述的基于配置文件对XML数据进行字段提取及结构化方法，其特征在于：所述配置文件的编写规则包括：数据库表的表示方法、数据字段信息的表示方法、XML节点的定位信息表示方法、XML数据提取的配置信息表示方法、数据后处理的配置信息表示方法；

其编写方法包括：分析XML文件的格式，确定所有待提取的内容，并找到相应的标签路径，根据标签路径编写配置文件，每种数据内容占一行；

并在配置文件中添加待提取数据对应的数据库表中的列名；多个列之间，同名的列进行合并，不同名的列作为多个表字段组成一个关系表；每个配置文件对应关系数据库中的一张表，配置文件中每行对应数据库表中的一个字段。

3.根据权利要求2所述的基于配置文件对XML数据进行字段提取及结构化方法，其特征在于：在步骤3中，将对每个定位节点提取的所有数据进行拼接，得到一个数据结果；将数据结果存入数组，作为一列数据；

每个配置文件对应一个数组，配置文件的每一行对应数组中的一列。

4.根据权利要求3所述的基于配置文件对XML数据进行字段提取及结构化方法，其特征在于：在步骤4中，对提取的XML数据进行数据后处理，包括如下步骤：

步骤41，对步骤3的结果数组，将表中需要拼接的列进行横向拼接，形成新的列，通过配置文件中指定分隔符来实现；

步骤42，将上步中的全部列做join操作，遍历所有列，每列各取出一个元素，这些元素构成的所有组合即join的结果；

步骤43，对上步的结果，将指定的列拆分为多个列，通过识别特定的分隔符对指定列进行拆分。