XML Daten in eine relationale Table umwandeln

Das interessante an der Konvertierung von XML Dateien in eine relationale Tabelle ist die Vorgehensweise, die aus einer dreidimensionalen Repräsentation der XML Datei eine zweidimensionale Repräsentation erstellt.

Normalerweise ist es üblich sich XML Dateien als zweidimensionalen Baum vor zu stellen, wie es im Document Object Model (DOM) der Fall ist. Dabei bilden die Tiefe der Verschachtelungen der Tags (Tag=Kennzeichnung einer Information) die Tiefe des Baumes und die Tags die Knoten des Baumes. Dabei ist zu beachten, dass der gleiche Tag mehrmals auf einer Ebene vorkommen kann. Betrachtet man diese Wiederholung der Tags als einen Datensatz, so entsteht eine dreidimensionale Darstellung. Zusammengefasst bedeutet dies: die erste Dimension ist die Verschachtelungstiefe, die zweite sind die Tagbezeichner pro Ebene (Knoten im Baum) und die dritte Dimension sind die Datensätze pro Tag (Wiederholungen eines Tags). So ist es zum Beispiel üblich Qualitätsberichte von Krankenhäusern in XML Dateien zu speichern. Dabei wird in der zweidimensionalen Baumstruktur der Tags die Art der Information unterschieden und in der dritten Dimension die Datensätze gespeichert. Die Art unterscheidet sich zum Beispiel durch unterschiedliche Leistungsstellen und Zusatzinformationen, wie der Adresse des Krankenhauses.

Die Schwierigkeit besteht nun darin, aus der hierarchischen Struktur eine zweidimensionale Tabelle zu erstellen. Dabei ist die Herausforderung, automatisch fest zu stellen, an welcher Stelle sich ein Datensatz, d.h. eine Reihe der Tabelle, befindet. Nimmt man an, das ein Datensatz auf der zweit tiefsten Ebene im Hierarchiebaum endet, da die Daten auf der tiefsten Ebene liegen und somit eine Ebene höher ausreichend wäre um den Datensatz zu kennzeichnen, so geht die Strukturierungsmöglichkeiten der Datensätze in unterschiedliche Zweige des Baumes verloren. Vielmehr sind diese Strukturierungsmöglichkeiten notwendig, um Daten-Objekte, wie sie üblich sind, zu Repräsentieren. Die Schwierigkeit steigert sich unter der Berücksichtigung, dass ein Datensatz in einem Datensatz liegen kann. Zum Beispiel können in einem Baum mehrere Abteilungen enthalten sein, welche jedoch unterschiedliche Datensätze der Krankheitsarten beinhalten.

Ein Lösungsansatz ist die Wiederholung der Tags pro Datensatz als Kennzeichen für den Beginn eines Datensatzes zu verwenden. Das Erstellen "Einer" Tabelle ist damit nicht möglich. Jedoch ist es möglich zu erkennen, an welchen Stellen die Tabellen sich befinden, denn Verschachtelungen der Tabellen können hiermit erkannt werden. Der tiefste Datensatz in der Verschachtelung ist dabei derjenige, dessen Tags sich zuerst wiederholen. Der äußerste Datensatz ist dann der Baum selbst.

Mein naiver Ansatz eines Algorithmus ist das „Sammeln“ der Tags. Es wird dabei mit Depth-First durch den Baum gelaufen und die Werte der in Frage kommenden Tags gesammelt. Beim Sammeln wird eine Liste mit relevanten Tags gefüllt. Wird ein Tag im Baum gefunden, welcher in der Liste schon einen Wert enthält, so werden die Werte aller bisherigen Tags in der Liste ausgegeben und gelöscht.

Diese Programmiererfahrung hat mir dazu beigetragen, die Struktur und die Möglichkeiten der Datenspeicherung in einer XML Datei zu erkennen. Vielleicht erging es Euch genauso.

Viele Grüße von Sebastian