我有一个需要解析复杂 XML 数据的项目。我决定继续使用XML::Twig
它,它在大多数情况下都非常有效。我遇到了一个问题,即不同的信息具有相同的标签名称,但路径不同。如下所示,其中DateOfBirth
用于两个不同的字段。
<doc:DForm xmlns:doc="urn:xml-gov-au:...">
<doc:PersonsDetails>
<doc:GivenName LanguageIdentifier="" LanguageLocaleIdentifier="">
John
</doc:GivenName>
<doc:Surname LanguageIdentifier="" LanguageLocaleIdentifier="">
Citizen
</doc:Surname>
<doc:DateOfBirth LanguageIdentifier="" LanguageLocaleIdentifier="">
2012-06-14
</doc:DateOfBirth>
</doc:PersonsDetails>
<doc:SupportingInformation>
<doc:NumberOfSiblings>
5.00
</doc:NumberOfSiblings>
<doc:SiblingsDetails>
<doc:DateOfBirth LanguageIdentifier="" LanguageLocaleIdentifier="">
2009-03-18
</doc:DateOfBirth>
<doc:Name LanguageIdentifier="" LanguageLocaleIdentifier="">
James Citizen</doc:Name>
</doc:SiblingsDetails>
<doc:SiblingsDetails>
<doc:DateOfBirth LanguageIdentifier="" LanguageLocaleIdentifier="">
2006-08-17
</doc:DateOfBirth>
<doc:Name LanguageIdentifier="" LanguageLocaleIdentifier="">
Jane Citizen
</doc:Name>
</doc:SiblingsDetails>
<doc:Address>
<doc:Street>25 test street<doc:Street>
<doc:City>Melbourne <doc:City>
<doc:PostalCode>3000<doc:PostalCode>
<doc:Address>
</doc:SupportingInformation>
</doc:MCCPDForm>
我已经设置了几个处理程序来处理不同的信息,但是由于我们不需要同级详细信息,因此最终基于将字段映射到 XML 元素的 2 级散列对其进行处理。
样本:
my %field = (
"DetDateOfBirth" => {
"type" => "Date",
"value" => undef,
"dbfield" => "DetDateOfBirth",
},
)
所以,当兄弟的 DOB 被处理时,它会使用上面的哈希元素来设置它,但是当这个人的 DOB 被处理时,因为已经有一个值,它会移动到下一个元素。
所以我设置了另一个处理程序并确保之前处理过信息。
现在,问题是,想象有多种情况,其中相同的名称用于多个元素但在不同的路径中。我只是编写更多的处理程序,还是有另一种更好地管理这种情况的方法。
相关的代码:
my $namespace = "doc";
my $formname = "DForm";
enter code here
my $twig = XML::Twig->new(
pretty_print => 'indented',
twig_handlers => {
"$namespace:${formname}/$namespace:PersonsDetails/$namespace:Address" =>
\&ProcessAddress,
"$namespace:${formname}/$namespace:SupportingInformation" =>
\&ProcessSupportingInformation,
"bie1:PdfFile" => \&DecodePDF,
"$namespace:${formname}" => \&ProcessRecord,
}
);
sub ProcessRecord {
my $twg = shift;
my $record = shift;
my $fld;
my $value;
my $irn;
my $elt = $record;
while ( $elt = $elt->next_elt($record) ) {
$fld = $elt->tag();
$fld =~ s/^$namespace\://;
if ( defined $fields{$fld}{"type"} && $elt->text ) {
if ( $fld =~ /NameOfPlaceInstitution|HospitalNameOfBirth/i ) {
next if $elt->text =~ /Other location/i;
}
if ( !defined $fields{$fld}{"value"} ) {
$fields{$fld}{"value"} = $elt->text;
}
}
}
}
sub ProcessSupportingInformation {
my $twg = shift;
my $record = shift;
my $fld;
my $value;
my $parent;
my $elt = $record;
while ( $elt = $elt->next_elt($record) ) {
$fld = $elt->tag();
$fld =~ s/^$namespace\://;
$parent = $elt->parent();
next if ( $fld =~ /PCDATA/ );
if ( defined $fields{$fld}{"type"} && $elt->text ) {
if ( $fld =~ /PlaceOfDeathHospital/i ) {
if ( $elt->text =~ /Other location/i ) {
next;
}
}
if ( $fld =~ /StreetAddress/i ) {
$fields{"StreetAddressOfPerson"} = $elt->text;
}
else {
if ( !defined $fields{$fld}{"value"} ) {
$fields{$fld}{"value"} = $elt->text;
}
}
}
else {
$record->delete;
}
}
}
仅供参考,实际的 XML 文件大约有 700 行,其中还包括一个编码的 PDF。
另一种选择是在哈希中设置另一个标志,将标签映射到数据库字段,并在第一次处理信息时设置它。
谢谢
PS:抱歉修改太多。我想我现在明白了。
PPS:代码中有一个敏感信息以及我无法显示的 xml,所以我不得不编辑它的一部分......