将Gedcom解析为SQLite数据库

Question

我是一个霍比Xojo用户。我想导入一个Gedcom-文件到我的程序，尤其是一个SQLite-数据库。

数据库结构

表格

人

 - ID: Integer
 - Gender: Varchar // M, F or U
 - Surname: Varchar
 - Givenname: Varchar

关系

 - ID: Integer
 - Husband: Integer
 - Wife: Integer

孩子们

 - ID: Integer
 - PersonID: Integer
 - FamilyID: Integer
 - Order: Integer

PersonEvents

 - ID: Integer
 - PersonID: Integer
 - EventType: Varchar // e.g. BIRT, DEAT, BURI, CHR
 - Date: Varchar
 - Description: Varchar
 - Order: Integer

RelationshipEvents

 - ID: Integer
 - RelationshipID: Integer
 - EventType: Varchar // e.g. MARR, DIV, DIVF
 - Date: Varchar
 - Description: Integer
 - Order: Integer

我写了一个正在工作的Gedcom-线-分析器。他把一个单独的Gedcomline分成：

 - Level As Integer
 - Reference As String // optional
 - Tag As String
 - Value As String // optional

我通过TextInputStream加载Gedcom-文件(工作正常)。不，我需要解析每一行。

Gedcom-个别样本

0 @I1@ INDI
1 NAME George /Clooney/
2 GIVN George
2 SURN Clooney
1 BIRT
2 DATE 6 MAY 1961
2 PLAC Lexington, Fayette County, Kentucky, USA

你会看到，水平数字显示了一个“树结构”。因此，我认为这将是将文件解析为分离对象(PersonObj、RelationshipObj、EventObj等)的最佳和最简单的方法。变成一个JSONItem，因为那里很容易得到节点的孩子。稍后，我可以简单地读取节点、子节点来创建数据库条目.但我不知道如何创建这样的算法。

有人能帮帮我吗？

Answer 1

要以良好的速度解析Gedcom行，请尝试以下思路：

将整个文件读入字符串，并将行拆分为：

dim f as FolderItem = ...
dim fileContent as String = TextInputStream.Open(f).ReadAll
fileContent = fileContent.DefineEncoding (Encodings.WindowsLatin1)
dim lines() as String = ReplaceLineEndings(fileContent,EndOfLine).Split(EndOfLine)

使用RegEx解析每一行以提取其3列

dim re as new RegEx
re.SearchPattern = "^(\d+) ([^ ]+)(.*)$"
for each line as String in lines
  dim rm as RegExMatch = re.Search (line)
  if rm = nil then
    // nothing found in this line. Is this correct?
    break
    continue // -> onward with next line
  end
  dim level as Integer = rm.SubExpressionString(1).Val
  dim code as String = rm.SubExpressionString(2)
  dim value as String = rm.SubExpressionString(3).Trim
  ... process the level, code and value
next

RegEx搜索模式意味着它查找行的开头("^")，然后查找一个或多个数字("\d")、一个空白的、一个或多个非空白字符("^ ")，最后查找任何其他字符(“”)。在字符串结束之前("$")。这些组周围的括号用于使用SubExpression()提取其结果。

每当该行不包含至少一个数字、一个空字符和至少一个字符时，rm = nil的检查就会命中。如果Gedcom文件格式错误或有空行，则可能是这种情况。

希望这能有所帮助。