基于TRIP数据库系统的电子文档的建库操作

EDBS简介——基于TRIP数据库系统的电子文档的建库操作IntroductiontoCreationofE-filesDataBaseSysteminTRIP2009-12-04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（TextDataBaseSystem）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-formattedFiles），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。一、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LinuxApach服务器情况下，…/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：inputtype=hiddenname=basevalue=inputtype=hiddenname=DocRootvalue=/…/…/…/inputtype=hiddenname=WriteStrvalue=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，后面一定要用斜线结尾，否则文件将放在上一个目录，而上传文件名字也将改变。如无DocRoot的内容，上传文件将放在upload.cfg设定的目录。WriteStr这行设置上传的文件要写进TRIP数据库的STRING字段，其value可不设定，只要有name=WriteStr的这一行，上传来的文件就会写入STRING字段中。若无此行，文件将存放在前述（DocRoot或upload.cfg中root）指定的目录中，并不写入TRIP数据库。如果需要记录上传的时间，则需加上如下一行：inputtype=hiddenname=datevalue=^nf其中，name=date表示要把上传的时间记录在数据库中编号为n的字段，当然设计数据库时要设立这字段，其字段名可随意定，程序会自动把上传的时间写入n字段中。数据录入行数据录入行将决定用户录入的数据将存到哪一个字段。录入的数据包括两种，一种是通过屏幕直接录入到TRIP字段中的文字数据，这包括文本字段、词组字段、数字、日期、时间等，第二种是录入想要上传文件的文件名。文字数据字段录入行按照如下配置：inputtype=textname=^nfvalue=字段的name必须是^nf。此处n为数据库结构中该“字段名”的编号。注意这里并不用库中的字段名，而用字段号。在TRIP库中，一旦库结构被设计好后，字段名还是可以改变的，字段号就不能改。所以这里用字段号作name。上传文件名字段的配置是：inputtype=filename=^mfsize=30上述配置用于输写上传文件的文件名。上传文件在本地的路径及文件名将被上传到TRIP服务器，并存放在字段编号为m的phrase字段中。注意，上传表单的类型file和TRIP数据库的字段类型不是一回事，前者，是告诉HTTP要用file传输协议，后者是TRIP数据库中存放上传来的文件名的字段。上传表单上的字段号m一旦被设定，将涉及到另外两个TRIP字段的设计。第一个是紧接着字段号m之后的m+1字段，它用于存放文件的大小，字段数据类型需为数值num型。再下一个编号是m+2的字段，将存放上传文件的真正内容，类型为STRING。在设计TRIP数据库结构时，上述三个字段的字段名可以随意设定，但字段的编号必须按照上述m,m+1,m+2的规则，这种约定是由上传程序upload规定的。上传表单（工作单）样例假定制作的表单要给BCH数据库的文字字段1、2、3、4、5、6、9写数据，还要上传原格式文件（文件名字段是15）,那么设计成如下布局的表单即可：上述布局工作单的html代码如下：htmlheadmetahttp-equiv=Content-Typecontent=text/html;charset=gb2312/headbodybgcolor=#8eb0caformaction=/cgi-bin/uploadenctype=multipart/form-datamethod=posttablewidth=50%border=0cellspacing=1cellpadding=8align=centertrtdcolspan=6centerfontsize=5h1上传工作单/h1/font/centerinputtype=hiddenname=basevalue=bchinputtype=hiddenname=DocRootvalue=/data/inputtype=hiddenname=WriteStrvalue=trtdcolspan=2字段1inputtype=textname=^1fvalue=tdcolspan=2字段2inputtype=textname=^2fvalue=tdcolspan=2字段3inputtype=textname=^3fvalue=trtdcolspan=2字段4inputtype=textname=^4fvalue=tdcolspan=4字段5inputtype=textname=^5fvalue=size=51trtdcolspan=6中文名称inputtype=textname=^6fvalue=size=90trtdcolspan=6简介textareaname=^9frows=4cols=88/textareatrtdcolspan=6图片说明textareaname=^14frows=3cols=88/textareatrtdcolspan=6图片文件inputtype=filename=^15fsize=30inputtype=submitvalue=提交br/tr/table/form/body/html2、修改上传配置文件upload.cfg该文件放在cgi-bin的目录下，其名称必须和上传程序upload同名。亦即上传程序upload和配置文件upload.cfg是一一对应的，否则将出错。上传配置文件主要用来控制谁允许上传，上传数据放在什么地方，要不要把上传文件写入TRIP数据库。内容如下：Config=DefaultRoot=/data/FileMask=*IgnoreSubdirs=YESOverWrite=yesWriteStrField=noOkPage=OkPage.htmlBadPage=BadPage.htmlDebug=0IP=168.160.111.111中信所IP=168.160.222.222化工信息IP=此处也有root行和WriteStrField行。但它们只是上传表单的备用设置行，上传表单的设置优先。即上传表单已经设置过了的话，此处的设置则不起作用；上传表单上没有设置，则用此处的值。Upload程序要调用的OkPage.html和BadPage.html文件放在cgi-bin目录下。IP行是控制上传工作站用的。只有此处列有的IP地址工作站才允许上传数据。如果从cgi-bin目录下的upload中考贝生成另外一个名为upl的程序，同样放在cgi-bin目录下，用来上传文件给mybase数据库，那么配置文件名应该取名upl.cfg。上传表单的文件名改动与否均可，但其中的formaction=”/cgi-bin/upload”…程序名upload必须取名upl，以便调用upl程序，同时在inputtype=hiddenname=basevalue=中的base值应改为mybase，这是告诉upl要与数据库mybase打交道。3、权限设置此处涉及三个地方的权限设置。3.1目录上传程序首先将上传的文件存放在由上传表单中的DocRoot指定的磁盘目录下,或者是由upload.cfg配置文件中root指定的目录下，因此该目录必须对web程序执行者赋予写的权限，否则文件将存不下来。web程序的执行者是谁，要有httpd.conf文件中的定义而定，例如httpd,nobody,apache或者是对web程序的执行者所在的小组。3.2数据库上传程序用了名叫tripnet的TRIP用户去访存TRIP系统。因此用户要上传的目标数据库必须给tripnet授予写