驾校理论考试系统之数据提取三（1）

2012年5月1日

驾驶员考试新题库.doc

GetDirectoryAndXML.zip

源文件

从网上下载的驾驶员考试新题库，我们要做的就是把信息从Word中提取到数据库Sqlite

目的：

将文档中的目录转化为文件夹，和文件的形式，示例：文件夹"与自行车礼让"包含有两个word文件，单选和判断

这样做是为了便于处理和分析

分析文档：

文档比较大199页，将近一千个题目，而且根据我们的数据库

包括有：问题，答案，类型，所属类型，图片，视频五种不同的数据要提取

比较麻烦。。。。。

在看我们的文档：

目录部分可以提取出类型：单选，判断，多选

存储在表COMPREHENSIVE_EXAM或OTHEREXAM的Type列

所属类型：如：恶劣气候和复杂道路条件下驾驶常识，存储在NODE表的NodeName中，其中如节点ParNode为null；

或是它的自己节点通过桥梁隧道的安全驾驶存储在NODE表的NodeName中，其中如节点ParNode指向恶劣气候和复杂道路条件下驾驶常识

再来看问题部分：

题目和四个选项，我们去掉前面的标号，1.，A.,B.,C.,D.

然后题目和选项，我们用"\n"换行符隔开题目和选项，类似这种形式

"动画1中有几种违法行为？（打电话，不系安全带）\n一种违法行为\n二种违法行为\n三种违法行为\n四种违法行为"

存储存储在表COMPREHENSIVE_EXAM或OTHEREXAM的Question中。

答案：B ，提取出B,然后将其在程序中转换成0010，也就是2，如果是ABCD则为1111,15，依次类推。

又如此题其中包括有动画1 ，我们需要将题目中的动画1 转换成

" 动画1"存储在表COMPREHENSIVE_EXAM或OTHEREXAM的Video中

而图片我们通过程序转换成byte[]类型，在写入Image属性。

看上去蛮麻烦的，所以我们要将其细分，怎么分呢？

根据所属类型和类型，生成多个文档和word就像这样

所属类型，违法行为的综合判断与案例分析-》案例分析-》单选，多选WORD

步骤一：目录分析

将目录文档存入1.txt，

然后分析道：一级目录，也就是ParentNode前面是中文的一、，而二级目录则是（一），类型：单选，多选则包含在（）括号里面，用、隔开，我们想到了Strings. Split 方法，分成3段都是用"\t"制表符隔开的，"一、"或"（一）"，"违法行为综合判断和分析"，"（单选8，多选3）","- 3 -"。然后在split分隔出"单选"和"多选"。

注意：这里面的安全行车知识前面没有中文一二，所以加上了"二",还有就是，"常见交通标志、标线和交警手势信号辨识"这种情况下，"、"要去掉。还有遇畜力车（牲畜）的礼让，要将括号（牲畜）去掉，避免与（单选8，多选3）发生干扰