如何分析大型(300mb+) xml文件并将其放入数据库？

Question

我想要获取一个庞大的XML文件，一个creative-commons许可的字典，并将其放入数据库中。问题是没有关于该文件的文档。这个xml文件中有数十万个单词，其中大部分是这样的，

<entry key="a)rxiereu/s" type="main" id="n5063">
  <form opt="n"><orth extent="full" lang="greek" opt="n">a)rxiereu/s</orth></form>
  <sense level="0" n="0" id="n5063.0" opt="n"><trans opt="n"><tr opt="n">an arch-priest, chief-priest</tr></trans>, <usg opt="n">Hdt.</usg> [...] </sense>
</entry>

有没有办法比较所有的<entry>标签和它们的属性？例如，几乎所有的<entry>标签都有<type="main">，有没有方法可以发现其他类型的属性是否有不同于main的值？还是整个文档中entry标记使用的所有属性和sense标记的所有属性？

最后，我真正熟悉的是基于网络的技术，HTML，Javascript，PHP等等，所以我自然会认为在MySQL数据库中获取这些内容的最好方法是编写一个php脚本，这一定是正确的吗？

Answer 1

探索此文件中的内容的一个好方法是使用XQuery。例如，问题的答案是“是否有任何方法可以发现类型的任何其他属性是否具有main以外的值？”可以通过以下查询来回答

distinct-values(//@type)

Answer 2

您需要的是一个XML解析器。对于C++来说，这是一个很小的XML。但既然您熟悉Web技术，我建议您使用PHP。

看一看Simple XML on PHP.net

这个页面描述了如何获取元素SimpleXMLElement::attributes的属性

我想知道你是否会解析一次XML，将其存储在数据库中，或者需要重复解析。在前一种情况下，您甚至可以尝试TinyXML