sql >> Databasteknik >  >> RDS >> Oracle

Hur tar man reda på hur en DBF-fil eller vilken fil som helst är formaterad?

Jag hade ett liknande problem och det var så här jag gjorde det.

TL;DR:Du måste använda Apache Tika för att analysera DBase-filer. Den konverterar innehållet till en XHTML-tabell och returnerar det som en java.lang.String , som du kan analysera via en DOM eller en SAX-parser för att få data i det format du behöver. Här är några exempel:https://tika.apache.org/1.20/examples.html

För att börja, lägg till följande Maven-beroende till din POM:

<dependency>
  <groupId>org.apache.tika</groupId>
  <artifactId>tika-parsers</artifactId>
  <version>1.21</version>
</dependency>

Initiera sedan parsern:

Parser parser =  new DBFParser(); //Alternatively, you can use AutoDetectParser
ContentHandler handler = new BodyContentHandler(new ToXMLContentHandler()); //This is tells the parser to produce an XHTML as an output.
parser.parse(dbaseInputStream, handler, new Metadata(), new ParseContext()); // Here, dbaseInputStream is a FileInputStream object for the DBase file.
String dbaseAsXhtml = handler.toString(); //This will have the content in XHTML format

Nu, för att konvertera data till ett mer bekvämt format (i det här fallet CSV), gjorde jag följande:

Konvertera först hela strängen till ett DOM-objekt:

DocumentBuilder builder = DocumentBuilderFactory.newInstance().newDocumentBuilder();
Document xhtmlDoc= builder.parse(new InputSource(new StringReader(xmlString.trim().replaceAll("\t", "")))); //I'm trimming out the tabs and whitespaces here, so that I don't have to dealt with them later

Nu, för att hämta rubrikerna:

XPath xPath = XPathFactory.newInstance().newXPath();
NodeList tableHeader = (NodeList)xPath.evaluate("//table/thead/th", xhtmlDoc, XPathConstants.NODESET);

String [] headers = new String[tableHeader.getLength()];
for(int i = 0; i < tableHeader.getLength(); i++) {
    headers[i] = tableHeader.item(i).getTextContent();
}

Sedan posterna:

XPath xPath = XPathFactory.newInstance().newXPath();
NodeList tableRecords = (NodeList)xPath.evaluate("//table/tbody/tr", xhtmlDoc, XPathConstants.NODESET);

List<String[]> records = new ArrayList<String[]>(tableRecords.getLength());

for(int i = 0; i < tableRecords.getLength(); i++) {
    NodeList recordNodes = tableRecords.item(i).getChildNodes();
    String[] record = new String[recordNodes.getLength()];
    for(int j = 0; j < recordNodes.getLength(); j++)
        record[j] = recordNodes.item(j).getTextContent();
        records.add(record);
    }

Slutligen sätter vi ihop dem för att bilda en CSV:

StringBuilder dbaseCsvStringBuilder = new StringBuilder(String.join(",", headers) + "\n");
for(String[] record : records)
        dbaseCsvStringBuilder.append(String.join(",", record) + "\n");
String csvString = dbaseCsvStringBuilder.toString();

Här är den fullständiga källkoden:https://github.com/Debojit/DbaseTranslater/blob/master/src/main/java/nom/side/poc/file/dbf/DbaseReader.java




  1. SQL-fel:# 1064 när du skapar en funktion i plsql med mysql

  2. Hur tillämpar man en SUM-operation utan att gruppera resultaten i SQL?

  3. Hur ändrar man datumformatet från MM/DD/ÅÅÅÅ till ÅÅÅÅ-MM-DD i PL/SQL?

  4. Servern stängs automatiskt och står inför felet 'ERR_STREAM_WRITE_AFTER_END' tillsammans med data som skickas varje gång till klienten