将 Gedcom 解析为 SQLite 数据库

Question

我是一个爱好 Xojo 用户。我想将 Gedcom 文件导入我的程序，尤其是 SQLite 数据库。

数据库结构

表格

人员

 - ID: Integer
 - Gender: Varchar // M, F or U
 - Surname: Varchar
 - Givenname: Varchar

关系

 - ID: Integer
 - Husband: Integer
 - Wife: Integer

儿童

 - ID: Integer
 - PersonID: Integer
 - FamilyID: Integer
 - Order: Integer

人物事件

 - ID: Integer
 - PersonID: Integer
 - EventType: Varchar // e.g. BIRT, DEAT, BURI, CHR
 - Date: Varchar
 - Description: Varchar
 - Order: Integer

关系事件

 - ID: Integer
 - RelationshipID: Integer
 - EventType: Varchar // e.g. MARR, DIV, DIVF
 - Date: Varchar
 - Description: Integer
 - Order: Integer

---

我写了一个有效的 Gedcom-Line-Parser。他将单个 Gedcomline 拆分为：

 - Level As Integer
 - Reference As String // optional
 - Tag As String
 - Value As String // optional

我通过 TextInputStream 加载 Gedcom 文件（工作正常）。不，我需要解析每一行。

Gedcom-个人样本

0 @I1@ INDI
1 NAME George /Clooney/
2 GIVN George
2 SURN Clooney
1 BIRT
2 DATE 6 MAY 1961
2 PLAC Lexington, Fayette County, Kentucky, USA

你会看到，Level-Numbers 向我们展示了一个“树状结构”。所以我认为将文件解析为分离的对象（PersonObj、RelationshipObj、EventObj 等）到 JSONItem 中是最好和最简单的方法，因为它很容易获得节点的子节点。稍后，我可以简单地读取节点、子节点来创建数据库条目。但我不知道如何创建这样的算法。

谁能帮帮我？

Answer 1

要以良好的速度解析 Gedcom 行，请尝试以下想法：

将整个文件读入一个字符串并拆分行：

dim f as FolderItem = ...
dim fileContent as String = TextInputStream.Open(f).ReadAll
fileContent = fileContent.DefineEncoding (Encodings.WindowsLatin1)
dim lines() as String = ReplaceLineEndings(fileContent,EndOfLine).Split(EndOfLine)

使用 RegEx 解析每一行以提取其 3 列

dim re as new RegEx
re.SearchPattern = "^(\d+) ([^ ]+)(.*)$"
for each line as String in lines
  dim rm as RegExMatch = re.Search (line)
  if rm = nil then
    // nothing found in this line. Is this correct?
    break
    continue // -> onward with next line
  end
  dim level as Integer = rm.SubExpressionString(1).Val
  dim code as String = rm.SubExpressionString(2)
  dim value as String = rm.SubExpressionString(3).Trim
  ... process the level, code and value
next

RegEx 搜索模式意味着它会查找行首 ("^")，然后查找一个或多个数字 ("\d")、一个空白、一个或多个非空白字符 ("[^ ]")，最后是字符串结尾之前的任何字符 (".") ("$")。每个组周围的括号用于使用 SubExpression() 提取它们的结果。

只要该行不包含至少一个数字、一个空格和至少一个字符，就会对 rm = nil 进行检查。如果 Gedcom 文件格式错误或有空行，则可能是这种情况。

希望这会有所帮助。