Existuje pravděpodobně tisíc způsobů, jak importovat soubory XML do PostgreSQL, ale zde je alternativa, kterou považuji za docela snadno implementovatelnou a je již testována s velkými dokumenty xml (120 GB+)
V závislosti na velikosti souboru XML zvažte jeho rozdělení. Skvělý nástroj k tomu je xml_split
. Tento příkaz rozdělí file.xml
v menších souborech o maximální velikosti 100 MB:
xml_split -n 5 -l 1 -s 100MB file.xml
Jakmile budete mít soubory rozdělené v rozumné velikosti, můžete je začít importovat, aniž byste riskovali nedostatek paměti.
Podívejme se na následující strukturu souboru XML ...
<?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>
... a následující cílová tabulka, kam vložíme XML záznamy.
CREATE TABLE t (id TEXT, entry XML);
Níže uvedený kód importuje soubory XML do dočasného odhlášen
tabulka a unnest
do tabulky t
pomocí CTE
(aka klauzule WITH) uzlem <foo>
. Příkaz perl -pe 's/\n/\\n/g'
nahradí znaky nového řádku \\n
abyste nedostali Premature end of data
výjimka:
#!/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;"
A zde jsou vaše 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)