我想將MS Office word/excel文檔加載到Marklogic中，並且想用xquery查詢它們，就像用xml文檔完成的一樣。但是，當我將doc文件加載到Marklogic中時，它會將它們加載到二進制格式，並在使用查詢控制檯查看時顯示垃圾字符。我試着用下面的命令加載： -如何在Marklogic Server中加載和查詢word/excel文檔？

xdmp:document-load("E:\doc\sample.doc", 
    <options xmlns="xdmp:document-load" 
      xmlns:http="xdmp:http"> 
     <format>xml</format> 
    </options>)

但它顯示一個錯誤，說文檔不是UTF 8編碼。我想知道doc和xls文件是否可以加載到Marklogic中，或者在加載之前必須將它們轉換爲xml或UTF 8編碼格式。如果是，那麼轉換它們的過程是什麼。如果不是，那麼我們如何用xquery查詢它們。我也想知道，如果MS Office 2007/2010安裝對於轉換過程是必要的，因爲Office 2007支持OOXML格式。

請給我適當的指導。

來源

2012-05-31 Puneet Pant

OOXML

.doc和.xls是不能由XQuery處理直接處理二進制文件。

使用OOXML像你所說的。將文件保存爲.docx或.xlsx，這些文件是壓縮的XML文件（帶有更多資源，如zip文件夾中的圖像）。也許Marklogic zip module可以幫助您提取文件。

使用MS Office 2003的

這也可以使用MS Office 2003安裝的File Format Compatibility Pack完成。我很抱歉，我無法幫助您進行批量轉換，但確定有一些方法可以使用VBA進行此操作 - 如果需要，請提出另一個問題。

來源

2012-05-31 13:48:13

它們是二進制的，所以它們應該作爲二進制插入。但是你希望他們被轉換。 MarkLogic可以自動爲你做到這一點。要做到這一點做到以下幾點：

打開管理界面
轉到相應的數據庫
打開內容處理頁面
打開安裝選項卡，將「啓用轉換」切換到「 true「，然後點擊安裝
檢查域的範圍以確保您在該範圍內插入，例如將文檔插入到以範圍uri開頭的數據庫uri中。（這很可能意味着您需要向xdmp添加一個uri選項：以/開頭的文檔加載）
檢查管道以查看自動轉換哪些類型的內容以及哪些格式（最典型的是xhtml或docbook ）
重新運行xdmp：文檔負載

內容處理框架將創建一個包含轉換結果的其他文件。這通常包括一個XHTML與文本，如果有任何單獨的圖像文件，與佈局屬性的CSS等。

這確實需要與轉換選項的許可證。

HTH！

來源

2012-05-31 13:53:59 grtjn

您的意思是Marklogic的行貨版本是必需的。此功能在快速版中不可用。我對嗎？ –

@ puneet-pant當然沒有包含在社區許可證中。但我認爲它是在Express許可證中，就像一些最常用的語言一樣。另一方面，如果您可以將它們轉換爲2007/2010格式，那麼您可以遵循wpaven針對這些格式使用可用管道的出色建議。正如他所說，這不需要許可證轉換選項功能。 – grtjn

值得一提的是最近的'xdmp：document-filter'函數，該函數也被封裝在內置的轉換管道中。與例如'xdmp：pdf-convert'相反，它不會花費很多精力來保存文檔的樣式和佈局，但它能夠抓取200多種二進制格式。結果是XHTML元數據記錄在html：meta標籤中。通常足夠FT搜索二進制文件.. – grtjn

如果您使用2007/2010之前的格式處理Office文檔，Grtjn的回覆是正確的。對於2007/2010文檔，在CPF中啓用「Office OpenXML ExtractOffice OpenXML Extract」管道並重新加載文檔。該管道不需要額外的轉換選項。它將按原樣加載源XML。

Office 2007/2010文檔只是包含相關XML部件的.zip文件。此管道將解壓任何.docx，.xlsx，.pptx文檔並將其組件部分保存在源文檔之後命名的目錄中。該目錄將作爲兄弟文件保存到源文檔，並將鏈接到源文件，例如，如果刪除源文件.docx，則包含提取的部分的目錄也將被刪除。

確保數據庫的自動目錄創建設置爲true。（這是MarkLogic 5.0和以前版本的默認設置）。

來源

2012-05-31 15:16:46 wpaven

這意味着只有docx文件可以轉換和Office 2003文檔文件不能轉換？ –

@ puneet-pant是的，您將不得不將您的.doc文件轉換爲.docx才能正確處理它們。除非你決定結合我和wpaven的建議。它們可以共存，所以你會對這兩種格式都有自然的支持。 – grtjn

如何在Marklogic Server中加載和查詢word/excel文檔？

回答

使用MS Office 2003的

相關問題