Jeg har en fungerende implementering, hvor jeg gør alt inde i PostgreSQL uden yderligere biblioteker.
Auxiliary parsing-funktion
CREATE OR REPLACE FUNCTION f_xml_extract_val(text, xml)
RETURNS text AS
$func$
SELECT CASE
WHEN $1 ~ '@[[:alnum:]_]+$' THEN
(xpath($1, $2))[1]
WHEN $1 ~* '/text()$' THEN
(xpath($1, $2))[1]
WHEN $1 LIKE '%/' THEN
(xpath($1 || 'text()', $2))[1]
ELSE
(xpath($1 || '/text()', $2))[1]
END;
$func$ LANGUAGE sql IMMUTABLE;
Håndter flere værdier
Ovenstående implementering håndterer ikke flere attributter på én xpath. Her er en overbelastet version af f_xml_extract_val()
for det. Med den 3. parameter kan du vælge one
(den første), all
eller dist
(særskilte) værdier. Flere værdier aggregeres til en kommasepareret streng.
CREATE OR REPLACE FUNCTION f_xml_extract_val(_path text, _node xml, _mode text)
RETURNS text AS
$func$
DECLARE
_xpath text := CASE
WHEN $1 ~~ '%/' THEN $1 || 'text()'
WHEN lower($1) ~~ '%/text()' THEN $1
WHEN $1 ~ '@\w+$' THEN $1
ELSE $1 || '/text()'
END;
BEGIN
-- fetch one, all or distinct values
CASE $3
WHEN 'one' THEN RETURN (xpath(_xpath, $2))[1]::text;
WHEN 'all' THEN RETURN array_to_string(xpath(_xpath, $2), ', ');
WHEN 'dist' THEN RETURN array_to_string(ARRAY(
SELECT DISTINCT unnest(xpath(_xpath, $2))::text ORDER BY 1), ', ');
ELSE RAISE EXCEPTION
'Invalid $3: >>%<<', $3;
END CASE;
END
$func$ LANGUAGE plpgsql;
COMMENT ON FUNCTION f_xml_extract_val(text, xml, text) IS '
Extract element of an xpath from XML document
Overloaded function to f_xml_extract_val(..)
$3 .. mode is one of: one | all | dist'
Ring til:
SELECT f_xml_extract_val('//city', x, 'dist');
Hoveddel
Navn på måltabel:tbl
; prim. nøgle:id
:
CREATE OR REPLACE FUNCTION f_sync_from_xml()
RETURNS boolean AS
$func$
DECLARE
datafile text := 'path/to/my_file.xml'; -- only relative path in db dir
myxml xml := pg_read_file(datafile, 0, 100000000); -- arbitrary 100 MB
BEGIN
-- demonstrating 4 variants of how to fetch values for educational purposes
CREATE TEMP TABLE tmp ON COMMIT DROP AS
SELECT (xpath('//some_id/text()', x))[1]::text AS id -- id is unique
, f_xml_extract_val('//col1', x) AS col1 -- one value
, f_xml_extract_val('//col2/', x, 'all') AS col2 -- all values incl. dupes
, f_xml_extract_val('//col3/', x, 'dist') AS col3 -- distinct values
FROM unnest(xpath('/xml/path/to/datum', myxml)) x;
-- 1.) DELETE?
-- 2.) UPDATE
UPDATE tbl t
SET ( col_1, col2, col3) =
(i.col_1, i.col2, i.col3)
FROM tmp i
WHERE t.id = i.id
AND (t.col_1, t.col2, t.col3) IS DISTINCT FROM
(i.col_1, i.col2, i.col3);
-- 3.) INSERT NEW
INSERT INTO tbl
SELECT i.*
FROM tmp i
WHERE NOT EXISTS (SELECT 1 FROM tbl WHERE id = i.id);
END
$func$ LANGUAGE plpgsql;
Vigtige bemærkninger
-
Denne implementering kontrollerer en primær nøgle, hvis den indsatte række allerede eksisterer, og opdateringer I dette tilfælde. Kun nye rækker indsættes.
-
Jeg bruger en midlertidig iscenesættelsestabel til at fremskynde proceduren.
-
Testet med Postgres 8.4 , 9.0 og 9.1 .
-
XML skal være veludformet.
-
pg_read_file()
har begrænsninger for det. Manualen:Brug af disse funktioner er begrænset til superbrugere.
Og:
Kun filer i databaseklyngebiblioteket og
log_directory
kan tilgås.
Så du skal lægge din kildefil der - eller oprette et symbolsk link til din faktiske fil/mappe.
Eller du kan levere filen via Java i dit tilfælde (jeg gjorde det hele inde i Postgres).
Eller du kan importere dataene til 1 kolonne af 1 række i en midlertidig tabel og tage dem derfra.
Eller du kan bruge lo_import
som vist i dette relaterede svar på dba.SE.
- SQL til at læse XML fra fil til PostgreSQL-database
Dette blogindlæg af Scott Bailey hjalp mig.