¿Importar un esquema xml en postgres para crear automáticamente una tabla y luego completarla con un archivo xml?

Probablemente hay miles de formas de importar archivos XML a PostgreSQL, pero aquí hay una alternativa que encuentro bastante fácil de implementar y ya está probada con documentos xml grandes (más de 120 GB)

Dependiendo del tamaño de su archivo XML, considere dividirlo. Una excelente herramienta para hacerlo es xml_split . Este comando divide file.xml en archivos más pequeños con un máximo de 100 MB:

xml_split -n 5 -l 1 -s 100MB file.xml

Una vez que haya dividido sus archivos en un tamaño razonable, puede comenzar a importarlos sin correr el riesgo de quedarse sin memoria.

Consideremos la siguiente estructura de archivos XML...

<?xml version="1.0"?>
<t>
    <foo>
        <id j="a">1</id>
        <val>bar1</val>
    </foo>
    <foo>
        <id j="b">8</id>
        <val>bar1</val>
    </foo>
    <foo>
        <id j="c">5</id>
        <val>bar1</val>
    </foo>
    <foo>
        <id j="b">2</id>
    </foo>
</t>

... y la siguiente tabla de destino, donde insertaremos los registros XML.

CREATE TABLE t (id TEXT, entry XML);

El siguiente código importa archivos XML en un sin registrar table y unnest en la tabla t usando un CTE (también conocido como cláusula WITH) por el nodo <foo> . El comando perl -pe 's/\n/\\n/g' reemplaza los caracteres de nueva línea con \\n para que no obtenga un Premature end of data excepción:

#!/bin/bash

psql testdb -c "CREATE UNLOGGED TABLE tmp (entry xml);"

for f in /path/to/your/files/;do

    cat $f | perl -pe 's/\n/\\n/g' |psql testdb -c "COPY tmp FROM STDIN;"
    psql testdb -c "
    WITH j AS (
      SELECT UNNEST(XPATH('//t/foo',entry)) AS entry FROM tmp
    )
      INSERT INTO t 
      SELECT XPATH('//foo/id/text()',j.entry),j.entry FROM j;

      TRUNCATE TABLE tmp;"

done

psql testdb -c "DROP TABLE tmp;"

Y aquí están sus datos:

testdb=# SELECT * FROM t;
 id  |          entry           
-----+--------------------------
 {1} | <foo>                   +
     |         <id j="a">1</id>+
     |         <val>bar1</val> +
     |     </foo>
 {8} | <foo>                   +
     |         <id j="b">8</id>+
     |         <val>bar1</val> +
     |     </foo>
 {5} | <foo>                   +
     |         <id j="c">5</id>+
     |         <val>bar1</val> +
     |     </foo>
 {2} | <foo>                   +
     |         <id j="b">2</id>+
     |     </foo>
(4 Zeilen)