Der er sikkert tusinde måder at importere XML-filer til PostgreSQL på, men her er et alternativ, som jeg finder ret nemt at implementere og allerede er testet med store xml-dokumenter (120GB+)
Overvej at opdele den, afhængigt af størrelsen på din XML-fil. Et fantastisk værktøj til at gøre det er xml_split
. Denne kommando opdeler file.xml
i mindre filer med maksimalt 100MB:
xml_split -n 5 -l 1 -s 100MB file.xml
Når du har opdelt dine filer i en rimelig størrelse, kan du begynde at importere dem uden at risikere at løbe tør for hukommelse.
Lad os overveje følgende XML-filstruktur ...
<?xml version="1.0"?>
<t>
<foo>
<id j="a">1</id>
<val>bar1</val>
</foo>
<foo>
<id j="b">8</id>
<val>bar1</val>
</foo>
<foo>
<id j="c">5</id>
<val>bar1</val>
</foo>
<foo>
<id j="b">2</id>
</foo>
</t>
... og følgende måltabel, hvor vi indsætter XML-posterne.
CREATE TABLE t (id TEXT, entry XML);
Koden nedenfor importerer XML-filer til en midlertidig ulogget
tabel og unnest
dem i tabellen t
ved hjælp af en CTE
(aka WITH-sætning) af noden <foo>
. Kommandoen perl -pe 's/\n/\\n/g'
erstatter nye linjetegn med \\n
så du ikke får en Premature end of data
undtagelse:
#!/bin/bash
psql testdb -c "CREATE UNLOGGED TABLE tmp (entry xml);"
for f in /path/to/your/files/;do
cat $f | perl -pe 's/\n/\\n/g' |psql testdb -c "COPY tmp FROM STDIN;"
psql testdb -c "
WITH j AS (
SELECT UNNEST(XPATH('//t/foo',entry)) AS entry FROM tmp
)
INSERT INTO t
SELECT XPATH('//foo/id/text()',j.entry),j.entry FROM j;
TRUNCATE TABLE tmp;"
done
psql testdb -c "DROP TABLE tmp;"
Og her er dine data:
testdb=# SELECT * FROM t;
id | entry
-----+--------------------------
{1} | <foo> +
| <id j="a">1</id>+
| <val>bar1</val> +
| </foo>
{8} | <foo> +
| <id j="b">8</id>+
| <val>bar1</val> +
| </foo>
{5} | <foo> +
| <id j="c">5</id>+
| <val>bar1</val> +
| </foo>
{2} | <foo> +
| <id j="b">2</id>+
| </foo>
(4 Zeilen)