基于trip數(shù)據(jù)庫系統(tǒng)的電子文檔的建庫操作

1、EDBSEDBS簡介簡介——基于TRIP數(shù)據(jù)庫系統(tǒng)的電子文檔的建庫操作IntroductiontoCreationofEfilesDataBaseSysteminTRIP20091204文本數(shù)據(jù)的大批量裝入TRIP數(shù)據(jù)庫問題，TRIP系統(tǒng)已經(jīng)提供有現(xiàn)成的TDBS（TextDataBaseSystem）解決方案，只要把待裝入的數(shù)據(jù)生成tfm格式的文本文件，然后，或則調(diào)用、運(yùn)行l(wèi)oadloadix程序，或則進(jìn)入TRIP系統(tǒng)通過后臺(tái)菜單操作，

2、即可將大批的數(shù)據(jù)倒入進(jìn)TRIP系統(tǒng)。對于電子格式文檔（EfmattedFiles），如Wd、PDF、PPT…，TRIP亦提供現(xiàn)成的開發(fā)平臺(tái)——TRIPview，據(jù)此用戶可以開發(fā)出自己的電子文檔數(shù)據(jù)庫系統(tǒng)（EDBS），在把電子文檔裝入數(shù)據(jù)庫的一個(gè)string字段的同時(shí)，還將文檔中的文字內(nèi)容抽取出來放在一個(gè)文本text字段，進(jìn)行倒排處理，以實(shí)現(xiàn)對全文內(nèi)容的快速查找，并顯示出原有的文件格式。利用TRIPview來建立用戶自己的EDBS系統(tǒng)需要

3、一定的開發(fā)量。若對原文的內(nèi)容需要進(jìn)行查找的應(yīng)用，TRIPview是最好的選擇，目前它可以處理多達(dá)220多種格式的電子文檔。如果對原文內(nèi)容不需要進(jìn)行查找（例如是jpg、gif等無文字內(nèi)容的電子文件），亦即不需對原文件抽取文字內(nèi)容的情況，則不必用TRIPview而是利用TRIPtoolkit提供開發(fā)工具開發(fā)簡單的應(yīng)用程序，就可以將它們寫進(jìn)TRIP記錄中的string字段。下面介紹兩種如何把電子文件寫入TRIP數(shù)據(jù)庫的方法，一種屬于BS方式，

4、通過瀏覽器將一個(gè)或多個(gè)圖片文件，一次一個(gè)記錄的裝進(jìn)本地或遠(yuǎn)程的TRIP數(shù)據(jù)庫，另一種是在TRIP服務(wù)器端（Serverside）批量的將文件寫入TRIP數(shù)據(jù)庫。前者通過CGI（公共網(wǎng)關(guān)接口）程序調(diào)用TRIPtoolkit，后者直接訪問TRIP底層，兩者均用標(biāo)準(zhǔn)C語言開發(fā)，效率相當(dāng)高。最后介紹如何利用CGI程序?qū)σ延械挠涗洠砑有碌碾娮游募蛘咛鎿Q舊有的的文件。數(shù)據(jù)庫的字段約定數(shù)據(jù)庫的字段約定（Conventions）與文字?jǐn)?shù)據(jù)不同，一個(gè)

5、電子文件存放在TRIP數(shù)據(jù)庫記錄中時(shí)，少則需兩個(gè)字段多則需四個(gè)字段來描述。少則者一：存放文件名的詞組phrase字段，二：存放全部文件內(nèi)容信息的string字段。多則者第三：存文件大小的數(shù)值int字段，第四：存放從原格式文件抽取出來的文字內(nèi)容的文本text字段。鑒于程序訪問TRIP時(shí)往往是通過字段號(hào)來定位的，本文介紹的程序本文介紹的程序?qū)ι鲜龅奈募侄?、文件大小字段以及string字段的段號(hào)安排均作了如下約定：如果文件名字段號(hào)取n的話

6、，文件大小字段號(hào)則為n1，string字段號(hào)則為n2。因此用戶在利用本程序進(jìn)行數(shù)據(jù)庫字段設(shè)計(jì)時(shí)務(wù)必遵循這一約定，否則程序不能正常運(yùn)行。對于已經(jīng)有內(nèi)容的數(shù)據(jù)庫，如果字段順序不符合本約定，必須預(yù)先把數(shù)據(jù)庫設(shè)計(jì)改變過來，才能使用此處介紹的程序繼續(xù)給TRIP數(shù)據(jù)庫追加電子文檔。至于原先的數(shù)據(jù)（假定還沒有string字段的數(shù)據(jù)），需要編寫一個(gè)輸出格式把它生成tfm文件，然后再裝入結(jié)構(gòu)已經(jīng)更新的數(shù)據(jù)庫。這里用字段號(hào)作name。上傳文件名字段的配置是

7、：上述配置用于輸寫上傳文件的文件名。上傳文件在本地的路徑及文件名將被上傳到TRIP服務(wù)器，并存放在字段編號(hào)為m的phrase字段中。注意，上傳表單的類型file和TRIP數(shù)據(jù)庫的字段類型不是一回事，前者，是告訴HTTP要用file傳輸協(xié)議，后者是TRIP數(shù)據(jù)庫中存放上傳來的文件名的字段。上傳表單上的字段號(hào)m一旦被設(shè)定，將涉及到另外兩個(gè)TRIP字段的設(shè)計(jì)。第一個(gè)是緊接著字段號(hào)m之后的m1字段，它用于存放文件的大小，字段數(shù)據(jù)類型需為數(shù)值nu

8、m型。再下一個(gè)編號(hào)是m2的字段，將存放上傳文件的真正內(nèi)容，類型為STRING。在設(shè)計(jì)TRIP數(shù)據(jù)庫結(jié)構(gòu)時(shí)，上述三個(gè)字段的字段名可以隨意設(shè)定，但字段的編號(hào)必須按照上述mm1m2的規(guī)則，這種約定是由上傳程序upload規(guī)定的。上傳表單（工作單）樣例上傳表單（工作單）樣例假定制作的表單要給BCH數(shù)據(jù)庫的文字字段1、2、3、4、5、6、9寫數(shù)據(jù)，還要上傳原格式文件（文件名字段是15）那么設(shè)計(jì)成如下布局的表單即可：上述布局工作單的html代碼如下