XML文件导入，转化，初步处理

     前天帮同学写作业，顺便简单了解了下XML的一些东西，用的是C#做XML的处理。当然，学的时候只是为了满足使用，不免有些偏颇，不够全面，权当是在这里做个笔记吧。

　　帮朋友做的东西主要是完成这样的功能：从指定的目录中选定XML文档，然后把其中的树形结构提取出来，把每条边的信息存在指定的表中。每个XML被转换为一张表。前面的都是些准备工作，后面是在转换好的表上，做不同表之间的相似度分析。PS：朋友做数据挖掘的，刚入门……

　　分几个模块来说吧：

　　一、XML文档的导入

　　XML的导入分两种DOM和SAX。前者是直接在内存里把XML文档中的树搬过来，后者则是动态处理。由于处理的文档不是很大，直接使用了DOM来做。

 

XMLEdge

     class  XMLEdge
    {
         public  XmlNode Father;
         public  XmlNode Child;

         public  XMLEdge(XmlNode Father, XmlNode Child)
        {
             this .Father  =  Father;
             this .Child  =  Child;
        }
         public  XMLEdge()
        {
             this .Father  =   null ;
             this .Child  =   null ;
        }
         public   string  GetEdge()
        {
             string  InFo = "" ;
             return  InFo  +   " <  "   +  Father.Name  +   " --->  "   +  Child.Name  +   "  >\r\n " ;
        }

         public   void  SetFather(XmlNode f)
        {
             this .Father = f;
        }

         public   void  SetChild(XmlNode c)
        {
             this .Child = c;
        }

 

 

XML文档提取

 1       class  XMLObject
 2      {
 3          XmlDocument xDoc  =   null ; // the source file;
 4        
 5          List < XMLEdge >  XMLEdgeSet  =   new  List < XMLEdge > (); // the target list;
 6 
 7 
 8           public   void  GetSourceXMLDocument( string  filename)
 9          {
10              xDoc  =   new  XmlDocument();
11              xDoc.Load(filename);
12          }
13 
14           public   void  Transform(XmlNode xNode)
15          {
16               if  (xNode.HasChildNodes)
17              {
18                   foreach  (XmlNode _xNode  in  xNode.ChildNodes)
19                  {
20                       if  ( _xNode.NodeType  ==  XmlNodeType.Element)
21                      {
22                          XMLEdgeSet.Add( new  XMLEdge(xNode, _xNode));
23                          Transform(_xNode);
24                      }
25                  }
26              }
27          }
28 
29           public   void  GetTargetList()
30          {
31               foreach  (XmlNode xNode  in  xDoc.ChildNodes)
32              {
33                  Transfer(xNode);
34              }
35          }
36 
37           public   void  DisplayEdges()
38          {
39               foreach  (XMLEdge e  in  XMLEdgeSet)
40              {
41                  e.GetEdge();
42              }
43          }
44 
45 
46           public   string  GetAllInfo()
47          {
48               string  AllInfo  =   "" ;
49               foreach  (XMLEdge xe  in  XMLEdgeSet)
50              {
51                  AllInfo  +=  xe.GetEdge();
52              }
53               return  AllInfo;
54          }
55 
56           public  List < XMLEdge >  GetEdgeList()
57          {
58               return  XMLEdgeSet;
59          }
60      }

 

　　XMLEdge是XML中树上的一条边，标记了父节点和子节点。

　　使用XMLObject类，里面包装一个XML文档对象，以及一个保存XML文档中的边的List<XMLEdge>。最后，XML文档对象的所有边会存在List<XMLEdge>中。

　　核心的是Transform方法，利用C#中的类库，递归地把所有的边记录下来。

　　二、提取信息的处理

　　简单的相似度分析，用一个二维数组来记录每个各个文档之间的相似度。建立一个公共的XMLEdge的表EdgeInfo，对于一个XMLObject新转化成的表，和EdgeInfo一起扫描，如果包含EdgeInfo中没有的XMLEdge，将该条边添加到EdgeInfo中，并将二维数组中的对应位置置1，如果该条边已经在EdgeInfo中，则在对应的二维数组的位置加一。最后将二维数据记录的结果输出。

　　

ScanEdge

     class  ScanEdges
    {
         public  XMLObjectSet Xos  =   new  XMLObjectSet();

        
         // static DoubleArray[] XmlDocInfo = new DoubleArray[100];
         static   int  [,] XmlDocInfo  =   new   int  [ 100 , 100000 ];


         static  XMLEdge[] EdgeInfo  =   new  XMLEdge[ 1000000 ];

         static   int  DocNum;
         static   int  Num  =   0 ;


         public   void  SetXmlObjectSet(XMLObjectSet _xos)
        {
             this .Xos  =  _xos;
        }
         public   void  initArray()
        {
             for  ( int  i  =   0 ; i  <   100 ; i ++ )
            {
                 for ( int  c  =   0 ; c  <   10000 ; c ++ )
                    XmlDocInfo[i,c]  =   0 ;
            }
             for  ( int  i  =   0 ; i  <   100 ; i ++ )
            {
                EdgeInfo[i]  =   new  XMLEdge();
            }
        }

         public   void  scan()
        {
             int  j  =   0 ;
            
             foreach  (XMLObject xmldoc  in  Xos.GetObjectList())
            {

                 foreach  (XMLEdge edge  in  xmldoc.GetEdgeList())
                {
                     bool  jump  =   false ;

                     for  ( int  i  =   0 ; i  <  Num; i ++ )
                    {
                         if  (edge.Father.Name  ==  EdgeInfo[i].Father.Name   &&  edge.Child.Name  ==  EdgeInfo[i].Child.Name)
                        {
                           XmlDocInfo[j,i]  +=   1 ;
                            jump  =   true ;
                        }

                    }

                     if  (jump  ==   false )
                    {
                        EdgeInfo[Num].SetFather(edge.Father) ;
                        EdgeInfo[Num].SetChild(edge.Child) ;
                        
                        XmlDocInfo[j,Num]  +=   1 ;

                        Num ++ ;
                    }

                }

                j ++ ;
            }
            DocNum  =  j;
        }

         public   string  display()
        {
             string  result  =   "" ;

             for ( int  k = 0 ;k < DocNum;k ++ )
            {   
                            
                 for  ( int  m  =   0 ; m < Num; m ++ )
                {
                     int  temp  =  XmlDocInfo[k,m];

                    result  +=  temp.ToString();

                }

                result  +=   " \r\n " ;

             }
              return  result;
        }
         public   void  Clear ()
        {
            Xos.Refresh();
            initArray();
        }

    }

 

　　最后贴个简单的例子吧

　　

　　the end :)

转载于:https://www.cnblogs.com/YFYkuner/archive/2010/04/09/1708682.html