基于TRIP數据库系统的电子文档的建库操作.docVIP

EDBS简介——基于TRIP数据库系统的电子文档的建库操作Introduction to Creation of E-files DataBase System in TRIP 2009-12-04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（Text DataBase System）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-formatted Files），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：制作上传表单；修改上传配置文件upload.cfg；设置权限。1、制作上传表单上传表单是一个HTML文件,它可以从现用的上传文件复制、修改而成。它不仅用作录入数据的界面，即工作单，还用来控制上传的数据的走向，包括存入到库里的哪些字段，以及上传文件将存放在什么地方：是直接进入字段？还是存放在哪一个目录下。上传表单中有几行是专作上传控制用的，再有若干行作录入数据 用。命名 表单名最好与库名相同，这样给不同的数据库上传可采用不同的表单，实现各个库各自独特的设置要求。如上传的数据要写入TRIP的bch库，则上传表单名可定为bch.html。该表单放在web服务器的文件根目录下（在Linux Apach服务器情况下，…/www/html/ 往往被设置成web文件的根目录）。如下以bch.html为例对上传表单作一简要说明。控制行 带有“hidden”标签的value值，是控制上传行为用的： input type=hidden name=base value= input type=hidden name=DocRoot value=/…/…/…/ input type=hidden name=WriteStr value= Base值指定给哪个数据库上传，没有它则不知装给哪个数据库。DocRoot定义上传文件将存放的目录，后面一定要