Tengo una implementación funcional donde hago todo dentro de PostgreSQL sin bibliotecas adicionales.
Función de análisis auxiliar
CREATE OR REPLACE FUNCTION f_xml_extract_val(text, xml)
RETURNS text AS
$func$
SELECT CASE
WHEN $1 ~ '@[[:alnum:]_]+$' THEN
(xpath($1, $2))[1]
WHEN $1 ~* '/text()$' THEN
(xpath($1, $2))[1]
WHEN $1 LIKE '%/' THEN
(xpath($1 || 'text()', $2))[1]
ELSE
(xpath($1 || '/text()', $2))[1]
END;
$func$ LANGUAGE sql IMMUTABLE;
Manejar múltiples valores
La implementación anterior no maneja múltiples atributos en un xpath. Aquí hay una versión sobrecargada de f_xml_extract_val()
para eso. Con el tercer parámetro puedes elegir one
(el primero), all
o dist
valores (distintos). Varios valores se agregan a una cadena separada por comas.
CREATE OR REPLACE FUNCTION f_xml_extract_val(_path text, _node xml, _mode text)
RETURNS text AS
$func$
DECLARE
_xpath text := CASE
WHEN $1 ~~ '%/' THEN $1 || 'text()'
WHEN lower($1) ~~ '%/text()' THEN $1
WHEN $1 ~ '@\w+$' THEN $1
ELSE $1 || '/text()'
END;
BEGIN
-- fetch one, all or distinct values
CASE $3
WHEN 'one' THEN RETURN (xpath(_xpath, $2))[1]::text;
WHEN 'all' THEN RETURN array_to_string(xpath(_xpath, $2), ', ');
WHEN 'dist' THEN RETURN array_to_string(ARRAY(
SELECT DISTINCT unnest(xpath(_xpath, $2))::text ORDER BY 1), ', ');
ELSE RAISE EXCEPTION
'Invalid $3: >>%<<', $3;
END CASE;
END
$func$ LANGUAGE plpgsql;
COMMENT ON FUNCTION f_xml_extract_val(text, xml, text) IS '
Extract element of an xpath from XML document
Overloaded function to f_xml_extract_val(..)
$3 .. mode is one of: one | all | dist'
Llamar:
SELECT f_xml_extract_val('//city', x, 'dist');
Parte principal
Nombre de la tabla de destino:tbl
; remilgado. clave:id
:
CREATE OR REPLACE FUNCTION f_sync_from_xml()
RETURNS boolean AS
$func$
DECLARE
datafile text := 'path/to/my_file.xml'; -- only relative path in db dir
myxml xml := pg_read_file(datafile, 0, 100000000); -- arbitrary 100 MB
BEGIN
-- demonstrating 4 variants of how to fetch values for educational purposes
CREATE TEMP TABLE tmp ON COMMIT DROP AS
SELECT (xpath('//some_id/text()', x))[1]::text AS id -- id is unique
, f_xml_extract_val('//col1', x) AS col1 -- one value
, f_xml_extract_val('//col2/', x, 'all') AS col2 -- all values incl. dupes
, f_xml_extract_val('//col3/', x, 'dist') AS col3 -- distinct values
FROM unnest(xpath('/xml/path/to/datum', myxml)) x;
-- 1.) DELETE?
-- 2.) UPDATE
UPDATE tbl t
SET ( col_1, col2, col3) =
(i.col_1, i.col2, i.col3)
FROM tmp i
WHERE t.id = i.id
AND (t.col_1, t.col2, t.col3) IS DISTINCT FROM
(i.col_1, i.col2, i.col3);
-- 3.) INSERT NEW
INSERT INTO tbl
SELECT i.*
FROM tmp i
WHERE NOT EXISTS (SELECT 1 FROM tbl WHERE id = i.id);
END
$func$ LANGUAGE plpgsql;
Notas importantes
-
Esta implementación verifica en una clave principal si la fila insertada ya existe y actualiza en este caso. Solo se insertan filas nuevas.
-
Utilizo una mesa de preparación temporal para acelerar el procedimiento.
-
Probado con Postgres 8.4 ,
9.0 y 9.1 . -
XML tiene que estar bien formado.
-
pg_read_file()
tiene restricciones para ello. El manual:El uso de estas funciones está restringido a superusuarios.
Y:
Solo archivos dentro del directorio del clúster de la base de datos y el
log_directory
se puede acceder.
Por lo tanto, debe colocar su archivo fuente allí, o crear un enlace simbólico a su archivo/directorio real.
O puede proporcionar el archivo a través de Java en su caso (lo hice todo dentro de Postgres).
O puede importar los datos en 1 columna de 1 fila de una tabla temporal y tomarlos desde allí.
O puedes usar lo_import
como se demuestra en esta respuesta relacionada en dba.SE.
- SQL para leer XML desde un archivo a la base de datos PostgreSQL
Esta publicación de blog de Scott Bailey me ayudó.