索引来自外部网站的 xml 文件答案

【问题标题】：Index xml files from a outside website索引来自外部网站的 xml 文件
【发布时间】：2010-01-22 05:38:26
【问题描述】：

使用 python django 我想访问这个站点 http://www.reta-vortaro.de/revo/ 这是一个名为 esperanto 的语言的字典站点，我需要能够搜索一个单词，并得到它的定义，它看起来像每个 Esperanto root word有一个xml文件，

我需要索引每个 xml 文件
将每个 xml 文件的名称存储在数据库中。
在我的网站上，我需要 $_GET 这个词。
我需要搜索这些词根与以它命名的 xml 文件的组合。

【问题讨论】：

标签： python xml django

【解决方案1】：

大多数编程语言都可以访问某种 XML 解析器以及一些持久的嵌入式键值存储。一旦你决定了一种编程语言，只需找到一种你觉得舒服的编程语言。

【讨论】：

我正在用 php 和 javascript 构建一个网站，在哪里可以找到有关这些 php 解析器的信息
XML 解析器：php.net/manual/en/refs.xml.php 键值存储：太多。从这里开始：php.net/manual/en/refs.database.php

【解决方案2】：

想知道您是否有权访问 WSDL。您也许可以通过这种方式访问数据。您遇到的具体问题是什么？

【讨论】：

【解决方案3】：

一旦您需要索引和快速搜索，可能值得寻找XML database 来存储您的字典（尤其是对于复杂查询和大字典）。您可以通过 PHP 轻松访问大多数 XML 数据库。

【讨论】：

【解决方案4】：

我会为您考虑这样的工作流程：

下载所有文件
将它们的内容和文件名加载到数据库中（任何数据库都可以）
设置 sphinx 搜索工具 (http://sphinx.pocoo.org/)
运行 sphinx 为 xml_contents 建立索引
设计您的应用程序以使用 sphinx 在索引中进行搜索
删除所有包含的文件，只在数据库中保留文件名和 sphinx 索引
使用 sphinx 搜索时，您会得到一个文件名，按照您之前的设想进行操作

我对狮身人面像不是很熟悉，不知道它是否能够使用文件来构建它的索引，这就是为什么我提供你将所有信息加载到数据库中的原因

【讨论】：

【解决方案5】：

您是否尝试过向网站管理员索取数据？或者他可以为你设置一个网络服务？

【讨论】：

【解决方案6】：

好吧，您可以使用file_get_contents()、curl、wget 或您最喜欢的工具来获取每个 XML 文件。

然后，您可以将 XML 文件保存在文件系统上，或者更好地使用 Oracle 的 Berkeley DBXML，使用它您实际上可以将 XML 保存在数据库中并进行查询，有点像 SQL。它具有 PHP 绑定并允许您使用 XQuery 进行查询。我用它来替换 XML Web 服务，它的工作就像一个魅力，速度极快。

对于 PHP XML 解析，我曾经使用 Keith Devens' XML to Array 解析器，这很简单，但现在已经过时了。现在我使用的是 CakePHP 自己的，你可能想使用 PHP 的 SimpleXML。您还可以在应用程序的客户端使用基于 JavaScript 的解析器，例如 jParse (jQuery)。

这是 PHP + dbXML 的页面，但似乎已关闭：http://phpdbxml.4641.org/ 但您可以从这里下载：http://www.oracle.com/technology/software/products/berkeley-db/index.html（也有许可证）。

希望对你有帮助。

【讨论】：