读取MARC文件的有关问题！高人指点

2012-09-09

读取MARC文件的问题！高人指点！最近做个程序，需要从MARC文件中读出图书信息的数据，是ISO文件，格式如下：0090

读取MARC文件的问题！高人指点！
最近做个程序，需要从MARC文件中读出图书信息的数据，是ISO文件，格式如下：

00906nam 2200265 450 001001700000010005600017010002800073016002100101100004100122101001300163102001500176105001800191106000600209200006700215210004000282215002500322312002100347320002100368330013400389510002500523606002400548690001400572701002800586801002600614CAL 010090028423 a978-7-5062-9043-2dCNY16.80 (含光盘)z7-5062-9043-X a978-7-88765-122-8b光盘 aCN-M46-07-0131-0 a20080307d2007 em y0chiy50 ea0 achiaeng aCNb610000 ay a 000yy ar1 a奥运英语大家说Aao yun ying yu da jia shuoi提高篇f主编李林波 a西安c世界图书出版西安公司d2007.09 a284页d21cme光盘1片 a英文题名取自封面 a有书目 (第284页) a本书中英文对照, 共分为6个单元, 每个单元都分为文章和对话两部分, 相关的重难点词汇及释义可帮助读者快速、有效地掌握文章和对话的内容。1 aOlympic Englishzeng0 a英语Aying yux口语 aH319.9v4 0a李林波Ali lin bo4主编 0aCNbRENTIANc20080307

没什么头绪，哪位做过类似的程序，指导一下，谢谢。

[解决办法]

C# code

00906nam 2200265 450 001 0017 00000 CAL 010090028423 010 0056 00017 $a978-7-5062-9043-2$dCNY16.80 (含光盘)$z7-5062-9043-X010 0028 00073 $a978-7-88765-122-8$b光盘016 0021 00101 $aCN-M46-07-0131-0100 0041 00122 $a20080307d2007 em y0chiy50 ea0 101 0013 00163 $achi$aeng 102 0015 00176 $aCN$b610000105 0018 00191 $ay a 000yy 106 0006 00209 $ar200 0067 00215 1 $a奥运英语大家说Aao yun ying yu da jia shuoi提高篇f主编李林波 210 0040 00282 $a西安$c世界图书出版西安公司$d2007.09215 0025 00322 $a284页$d21cm$e光盘1片312 0021 00347 $a英文题名取自封面320 0021 00368 $a有书目 (第284页) 330 0134 00389 $a本书中英文对照, 共分为6个单元, 每个单元都分为文章和对话两部分, 相关的重难点词汇及释义可帮助读者快速、有效地掌握文章和对话的内容。510 0025 00523 1 $aOlympic English$zeng606 0024 00548 0 $a英语$Aying yu$x口语690 0014 00572 $aH319.9$v4701 0028 00586 0$a李林波$Ali lin bo$4主编801 0026 00614 0$aCN$bRENTIAN$c20080307
[解决办法]
读取MARC记录的时候，应当以字节方式读取。
前面我说了，以GBK/GB2312编码分解，即你可以把读出来的字节转换为字符串，但是.NET中的字符串是Unicode编码的，汉字的长度是1，而GBK编码的长度是2，因此会导致目次区与实际数据不符。
另外一方面，绝大多数的MARC数据文件中，每条记录后面会有一个回车换行符号，需要把它们去掉。

所以，读取一个整个的MARC文件的方法是：
以流的方式打开文件
读取前面5个字节，并转换字符串，然后变为int变量，如marcLen
继续读取marcLen-5个字节
将数据基地址部分取出，转换为int变量，如dataStart
将目次区（不叫目录区）分解到一个n*3的数组中，如aEntrys[n,3]
从dataStart位置开始，将数据部分单独取出
遍历aEntrys[]，依次取出各个字段内容，转变为字符串，放到另一个数组中aFields[n,2]，其中[n,1]放字段名，[n,2]放字段数据。
MARC分解的主要工作完成，然后根据需要，提取需要的具体信息（参见前面的帖子）
->准备读取下一条数据
读取数据，如果是回车、换行符号，则忽略，直到遇到连续5个数字（因为MARC的前5个字节一定是是数字）
回到第一步，读取下一条MARC。

此外，有一个问题，就是并非所有人提供的MARC都是符合标准的，有的软件尽管声称支持MARC，但实际上它输出的MARC数据是不合格的，常见的是目次区错误，总长度值错误，将记录结束符记入最后一个字段内等等
此时要根据具体情况进行分析，加入容错部分，比如总长度错误可以通过多读取一部分数据来解决（一般就是差1个字节），目次区错误可以通过字段结束符判定每个字段的位置等。

这是一个基本的MARC数据读取程序，还有很多可优化的地方

热点排行