基于TRIP数据库系统的电子文档的建库操作.doc

EDBS简介——基于TRIP数据库系统的电子文档的建库操作IntroductiontoCreationofE-filesDataBaseSysteminTRIP2009-12-04文本数据的大批量装入TRIP数据库问题,TRIP系统已经提供有现成的TDBS(TextDataBaseSystem)解决方案,只要把待装入的数据生成tform格式的文本文件,然后,或则调用、运行load/loadix程序,或则进入TRIP系统通过后台菜单操作,即可将大批的数据倒入进TRIP系统。对于电子格式文档(E-formattedFiles),如Word、PDF、PPT…,TRIP亦提供现成的开发平台——TRIPview,据此用户可以开发出自己的电子文档数据库系统(EDBS),在把电子文档装入数据库的一个string字段的同时,还将文档中的文字内容抽取出来放在一个文本text字段,进行倒排处理,以实现对全文内容的快速查找,并显示出原有的文件格式。利用TRIPview来建立用户自己的EDBS系统需要一定的开发量。若对原文的内容需要进行查找的应用,TRIPview是最好的选择,目前它可以处理多达220多种格式的电子文档。如果对原文内容不需要进行查找(例如是jpg、gif等无文字内容的电子文件),亦即不需对原文件抽取文字内容的情况,则不必用TRIPview而是利用TRIPtoolkit提供开发工具开发简单的应用程序,就可以将它们写进TRIP记录中的string字段。下面介绍两种如何把电子文件写入TRIP数据库的方法,一种属于B/S方式,通过浏览器将一个或多个图片文件,一次一个记录的装进本地或远程的TRIP数据库,另一种是在TRIP服务器端(Server-side)批量的将文件写入TRIP数据库。前者通过CGI(公共网关接口)程序调用TRIPtoolkit,后者直接访问TRIP底层,两者均用标准C语言开发,效率相当高。最后介绍如何利用CGI程序对已有的记录,添加新的电子文件或者替换旧有的的文件。数据库的字段约定(Conventions)与文字数据不同,一个电子文件存放在TRIP数据库记录中时,少则需两个字段多则需四个字段来描述。少则者一:存放文件名的词组phrase字段,二:存放全部文件内容信息的string字段。多则者第三:存文件大小的数值int字段,第四:存放从原格式文件抽取出来的文字内容的文本text字段。鉴于程序访问TRIP时往往是通过字段号来定位的,本文介绍的程序对上述的文件名字段、文件大小字段以及string字段的段号安排均作了如下约定:如果文件名字段号取n的话,文件大小字段号则为n+1,string字段号则为n+2。因此用户在利用本程序进行数据库字段设计时务必遵循这一约定,否则程序不能正常运行。对于已经有内容的数据库,如果字段顺序不符合本约定,必须预先把数据库设计改变过来,才能使用此处介绍的程序继续给TRIP数据库追加电子文档。至于原先的数据(假定还没有string字段的数据),需要编写一个输出格式把它生成tform文件,然后再装入结构已经更新的数据库。B/S模式的EDBS建库方法通过浏览器的上传表单和Web服务器上的cgi程序upload,将本地数据(包括文字及二进制文件)装入Web服务器所在的TRIP数据库。每次只能上传、建成一个记录。要做的准备工作是:制作上