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。

 

    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;
        }

 

 

 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。

　　

    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 :)