Provavelmente existem mil maneiras de importar arquivos XML para o PostgreSQL, mas aqui está uma alternativa que acho bastante fácil de implementar e já foi testada com documentos xml grandes (120 GB+)
Dependendo do tamanho do seu arquivo XML, considere dividi-lo. Uma excelente ferramenta para fazer isso é xml_split . Este comando divide
file.xml em arquivos menores com no máximo 100 MB:xml_split -n 5 -l 1 -s 100MB file.xml
Depois de dividir seus arquivos em um tamanho razoável, você pode começar a importá-los sem correr o risco de ficar sem memória.
Vamos considerar a seguinte estrutura de arquivo XML...
<?xml version="1.0"?>
<t>
<foo>
<id j="a">1</id>
<val>bar1</val>
</foo>
<foo>
<id j="b">8</id>
<val>bar1</val>
</foo>
<foo>
<id j="c">5</id>
<val>bar1</val>
</foo>
<foo>
<id j="b">2</id>
</foo>
</t>
... e a seguinte tabela de destino, onde inseriremos os registros XML.
CREATE TABLE t (id TEXT, entry XML);
O código abaixo importa arquivos XML para um desconectado table e unnest colocá-los na tabela
t usando um CTE
(aka cláusula WITH) pelo nó <foo> . O comando perl -pe 's/\n/\\n/g' substitui caracteres de nova linha por \\n para que você não obtenha um Premature end of data exceção:#!/bin/bash
psql testdb -c "CREATE UNLOGGED TABLE tmp (entry xml);"
for f in /path/to/your/files/;do
cat $f | perl -pe 's/\n/\\n/g' |psql testdb -c "COPY tmp FROM STDIN;"
psql testdb -c "
WITH j AS (
SELECT UNNEST(XPATH('//t/foo',entry)) AS entry FROM tmp
)
INSERT INTO t
SELECT XPATH('//foo/id/text()',j.entry),j.entry FROM j;
TRUNCATE TABLE tmp;"
done
psql testdb -c "DROP TABLE tmp;"
E aqui estão seus dados:
testdb=# SELECT * FROM t;
id | entry
-----+--------------------------
{1} | <foo> +
| <id j="a">1</id>+
| <val>bar1</val> +
| </foo>
{8} | <foo> +
| <id j="b">8</id>+
| <val>bar1</val> +
| </foo>
{5} | <foo> +
| <id j="c">5</id>+
| <val>bar1</val> +
| </foo>
{2} | <foo> +
| <id j="b">2</id>+
| </foo>
(4 Zeilen)
