Marc数据格式和数据库格式的转化体会

数据|数据库

首先感谢CSDN上的djkhym(hym)，给我的巨大的帮助，借鉴了他的程序的思路。

Marc（machine readable catalogue）数据，机读目录数据。Marc格式和数据库的转化，是图书系统里的重要部分，也是核心技术。现在网上mar数据的资料很少，和数据库的转换的资料就更少了。。。。。我主要参考了《中国机读目录格式使用手册》和hym的程序，为了以后大家少走弯路，所以我写了这个体会。（呵呵，现在网上转一条marc数据要2毛钱呢）

marc数据的基本格式，大家都可以在《中国机读目录格式使用手册》中详细的查询。这里我简单的说说。本Marc数据格式遵循GB/T 2901(ISO 2709)的标准，扩展名是.iso。如下是记录marc的iso文件中的一行，也就是一条marc数据。

00806nam0 2200229 450 001000900000010003500009092002000044100004100064101000800105102001500113105001800128106000600146200003100152210003300183215001500216330020500231333008500436606000500521690000800526701001500534801002700549?S7240011? ­a7-5034-1525-8­b精装­dCNY130.00? ­aCN­b01-724-0011? ­a20021211d2002 ekmy0chiy0121 ea? ­achi? ­aCN­b110000? ­ay z 000yy? ­ar?1 ­a邓小平理论辞典­f李长福主编? ­a北京­c中国文史出版社­d2004.7? ­a0720­d16开? ­a本书是一部力求全面、系统、准确反映邓小平理论科学体系和检索邓小平理论重要观点，供广大党员、干部及群众学习、研究、宣传邓小平理论的工具书。全书在反映、阐述邓小平理论的同时，还涵盖了马克思列宁主义、毛泽东? ­a思想和“三个代表”重要思想的核心内容，体现了科学社会主义理论一脉相承的发展脉络。? ­a? ­a­v4? 0­a李长福主编? ­aCN­bS7240011­c20040709?

记录结构：记录头标 、地址目次区 、数据字段区、记录结束符

00806nam0到450#是记录头标(#代表空格)

001000900000到801002700549@是地址目次区(@代表字段分隔符IS2)

S7240011到20040709@是数据字段区

%是记录结束符(%代表记录结束符IS3)

具体的每一个字节都有特殊的含义，大家可以看书，我这里讲讲自己转换的体会。

1． 字段长度的计算：0-4位是代表记录的总长度，注意包含了空格和分隔标志符。英文字符1位，中文字符2位。注意asp中len(“我”)结果是一位，故vb中这样写长度计算：LenB(StrConv(st1, vbFromUnicode))，再用format(str1,00000)来格式化输出。

2． 几个符号：

$:字字段标识符IS1

@代表字段分隔符IS2

%代表记录结束符IS3

这是人为的标记，便于学习和观看。在实际系统里一般用这几个字符代替:

$--------chr(31)

@--------chr(30)

%--------chr(29)

还有个空格很重要，每个字段间的空格都是严格规定的，所以学习的时候用#来代表空格。如头标：01071nam0#2200277###450#

3.地址目次区的理解：人为添加，和；的分隔，就很明显了。

001,0013,00000;005,0017,00013;…………………………801,0022,00771@

这里001，0013，00000;是表示数据字段区的第一个字段，字段号：001，长度：0013，开始的位置：00000。后边的类推，就是位置在加。

Dbtomarc的计算方法，先写数据字段区，再一个字段一个字段的算，可以开一个数组：Block(i, 3) , Block(i, 0)为标识，Block(i,1)列为宽度，Block(i, 3)列位置,I是指字段的个数。

Marctodb就是反过来了。。先读，在去截数据字段区。

地址目次区一定要算对，否则电脑可不认识，后边的数据就错位了。

4.数据字段区：

按字段一个个的写入（读出）就可以了。注意一点：

012001022343@20020928000000.0@##$a7-80142-191-4$dCNY46.00@…………………………………………@%

就是空格个数和分隔符号的使用，一定要注意，否则格式就错了，不能机读，这可是我的教训啊。。。。

5，将转换的数据库字段作成配置文件，可以选择的转换，便于程序的通用。

和编辑约定规则，如数据库记录中：书名[版次]、书名<丛书>这样获取版次，判断是否是丛书。还有是就编著者不超过3个……看你程序设计的通用性了。

6．拼音的实现，我是查的数组实现的，不知道有没其他的好办法。。。

7.再说一点就是，这种数据转化重要的是吃透格式的要求，其他的算法就是查询写入，看你的功底了。我喜欢利用数组，呵呵。。。