如何将 word 文档转换为 PostgreSQL 表 [关闭]答案

【问题标题】：How to convert a word document into a PostgreSQL table [closed]如何将 word 文档转换为 PostgreSQL 表 [关闭]
【发布时间】：2012-11-06 01:18:09
【问题描述】：

我有一个包含数据字典的 word 文档。

例如，一个名为 FUEL 的变量描述如下：

FUEL -- What type of fuel does it take?  
    1   Gas  
    2   Diesel  
    3   Hybrid  
    4   Flex fuel  
    7   OTHER, SPECIFY

我想将文档转换为 PostgreSQL 表。你有什么建议吗？

【问题讨论】：

当然。但是您尝试过什么？
文档中的示例内容？这些“数据字典”在文档中是如何构成的？任何信息？
感谢您更新一些信息。
根据改进的问题标记为重新打开。

标签： postgresql ms-word etl

【解决方案1】：

一般来说，这类事情需要两个阶段：第一，使用文本处理工具和脚本或 Excel 之类的工具将数据处理成合理的表格格式。

一旦你有了表格格式，将数据输出为CSV（例如，在 Excel 中使用另存为）并在运行适当的CREATE TABLE 命令后使用COPY 命令或 psql 的\copy 将其加载到 PostgreSQL 中定义一个与 CSV 结构匹配的表结构。

编辑：鉴于更新的帖子，我想说您可能必须为此编写一个简单的解析器，除非文档包含内部结构化标记。将文档另存为纯文本。现在用 Perl 或 Python 之类的语言编写一个脚本，查找定义变量的标题，从该行中提取大写的变量名称和描述，然后读取编号选项，直到它用完并准备读取下一个变量。如果文档是统一结构的，这应该只需要几行代码和一些基本的正则表达式；你甚至可以在awk 中做到这一点。让脚本编写 CSV 以便稍后导入，或者使用数据库接口，如 DBD::Pg (Perl) 或 psycopg2 (Python) 直接存储数据。

如果您不了解任何脚本工具，则需要学习或非常擅长复制和粘贴。

【讨论】：

@user1663986 将反对票反转为赞成票；感谢您实际回应和解决问题。答案已更新。
@user1663986 想想看，像 Pentaho 这样的 ETL 工具有可能处理“数据字典”样式信息。我想它可能值得一看，尽管如果你能这样做的话，它可能比仅仅编写一个简单的脚本来完成它更复杂。格式看起来也很容易解析；查找没有前导空格作为键的行，然后读取带有空格缩进的以下行作为值并用制表符 (?) 拆分以提取序数。