知识管理系统Data Solution研发日记之二 应用程序系列
在上一篇文章《知识管理系统Data Solution研发日记之一 场景设计与需求列出》中，提到了诸多的需求。这一篇文章来看一下，完成这些功能，所需要的软件。这些程序均已经写好，以C#.NET和SQL Server 2005完成。
先看一下软件Data Solution的体系。Data Solution由二个大的解决方案组成，File Solution和Segment Solution。前者是文档的解决方案，后者是片段式数据的解决方案。这其中又有很多应用程序组成，下面来看一下它们的模样。
Data Loader
这是个插件式的框架，它的框架代码是开放源码的，可以通过文章《Management Console 工具管理类软件通用开发框架（开放源码）》来获取代码。主界面效果如下图所示
从图中的Tas List窗口中可以看出，Data Loader由15个应用程序组成。
User ID Blog,Url Blog,Text Blog,Default Blog，这四个应用程序是应用于网页下载处理。在文章《工作多年的.NET程序员，是否建立了自己的开发知识库？也分享制作电子书的经验》中有部分描述，用于处理网页,不再赘述。
Bath Import用于扫描指定的路径，导入文档到数据库系统中。
Doc Scanner用于扫描指定的路径，导入到数据库系统中，与Bath Import的不同在于，可指定需要处理的文件格式。
如图所示，只对指定的目录E:\Document\Tecnhologies中的DOC格式进行处理。
Doc Scanner可以接受关键字路径。比如ALL表示所有的本机磁盘，C表示只表示C盘一个磁盘的所有文件夹，最后一种就是上图中所示的，选择指定的路径。
PDF Watcher监视指定的文件夹，如果有发生PDF文件的变更，转换并导入它到到数据库中。
Document Explorer用于显示Doc Scanner扫描进入的文档，如果不需要可以对它进行删除，或者归类整理
在左边选中一个或多个文档，点击右键Category Document,如图所示
打开Document Browser程序，在需要的类别节点中，点击右键Paste Document
再次打开Document Browser时，可以看到，文档已经放到指定的类型中
双击文档视图中的文件项，可打开查看窗口，如下图效果所示
这是个只读的应用程序，只能查看，不允许编辑文档，后面有介绍Editor工具，可以对数据库中的文档进行编辑。
Doc Loader程序把指定的文件，导入到数据库中，注意，它一次只处理一个指定的文件，而不是整个目录。
Database Cleanup是清空数据库。在测试程序或是练习时，数据库文件大小mdf/ldf经常会爆满到几个G的容量，所以需要一个工具来对它进行清理，把不需要的数据库清空。这个功能在实际应用中，应当谨慎使用。后面会提到一个选项，用于显示这个功能，一般是隐藏不显示的。
上面这几个程序，是对文件进行处理，转换，放到数据库中，下面介绍对片段式数据进行处理的程序。
Form Designer
片段式数据最大的不同是，它的格式是灵活的，自定义的。比如前一篇文章中提到的，招聘信息，它分为公司名称，职位要求，技术要求，联系方式，一共四个字段，再比如，IT公司速查数据库，它的格式是，公司名称，公司介绍，地址，评价，门户网站，一共五个字段，这是灵活的，可以随时变更的。
对这种格式数据的抓取，可以用正则表达式，要达到可以显示这种格式的数据，则要自定义窗体才行，所以有必要引入窗体设计器来灵活适应不同的数据格式。
来看一下Data Loader中Segment Explorer的界面，它就是解析上面的窗体设计文件了，把它显示出来
窗体的设计，显示与绑定数据，是比较复杂的主题，这在后面的文章中详细介绍，欢迎关注。
Rule Editor用于抓取互联网上不规则的数据，任何有规律的网页数据，都可以通过制定规则，在后台下载到本机中。
说白了，这就是个基于正则表达式的数据采集工具，专注于采集，Segment Run则是后台程序，负责分析规则，下载数据到本机磁盘中，Form Designer则专注于显示数据。这三个工具的配合，天衣无缝，以方便的抓取互联网数据。
Site Rebuild 用于下载网页到数据库系统中，这是个特殊程序，专用于下载一些好的站点的文章，而不用担心，过一段时间，这些站点发生变化或是升级，引起的查找不方便。毕竟数据在自己的电脑中，这才是最放心的数据。
如图所示，对Cnblogs按照博主Id来获取数据，基本上排名靠前的，文章的质量都放心。Codeproject按照分类来获取数据，它的质量也很不错，MSDN,CSDN,DotBlogs，则看到好的文章，把地址拷贝进来，或是拷贝一段html源码放进来，它会自动解析出文章的路径，并放它下载到本机SQL Server数据库中。
Editor
可以对本机文件，或是数据库系统中的文档进行编辑。支持格式DOC/DOXC,RTF,是对存放在SQL Server数据库系统的文档进行编辑和整理处理，有这个功能，系统的可用性大大增强。
在Editor中点击Open按钮，打开文件浏览对话框，这里可以打开本机磁盘的文件，也可以打开SQL Server服务器中的文件，所上图所示，Server结点的结构与Document Browser是完全相同的，选则文件，点击Open按钮。
这个效果与写字板WordPad相似，功能也相似。打开数据库中的文件，编辑整理之后，自然也是保存到SQL Server数据库中，当然，也可以通过导出功能，把它导出成本机磁盘文件，支持的格式为DOC/DOCX/PDF/RTF。
如你看到的，Data Solution是一组程序的组合，才使它在文档扫描，导入，编辑，分类方面有巨大的威力。这里面还省略了权限判断，文档分类的细化，文档的全文检索，文档版本管理，文档工作流，如果再加上这些内容，这个系统的代码量，工作量还要增长一倍多。做得越细，功能就越强，也需要付出更多的代价和耐心。欢迎提出改善意见。
