文章
Get Programming with Haskell-26
本章总结内容包括： • 了解libraries使用的一种独特二进制格式 • 使用 ByteString 编写工具批量处理二进制数据 • 使用 Text 类型处理 Unicode 数据 • 构建一个执行复杂 I/O 任务的大型程序的结构
目录
- 总结篇：处理二进制文件与图书数据
- 运行该程序会输出一个 books.html 文件。打开它，你会看到它看起来正如你所预期的那样（见图 26.1）。 现在你已经能够将书籍写入文件，你可以开始处理更复杂的 MARC 记录问题了。
- 26.2 使用 MARC 记录
- MARC 记录是图书馆用来记录和传输书籍信息（称为书目信息）的标准格式。如果你对书籍的数据感兴趣，MARC 记录是一种非常重要的格式。互联网上有很多大型的、免费公开的 MARC 记录集合。在这个综合项目中，你将使用俄勒冈健康与科学大学（Oregon Health & Science University）图书馆的记录。前面提到过，MARC 是 “Machine-Readable Cataloging record”（机读编目记录）的缩写。顾名思义，MARC 记录是专为计算机读取而设计的。与 JSON 和 XML 这样的格式不同，它们并不是为人类阅读而设计的。如果你打开一个 MARC 文件，你将看到如图 26.2 所示的内容。 如果你曾经接触过 MP3 文件中用于存储元数据的 ID3 标签格式，那么你会发现 MARC 记录与之类似。
- 26.2.1 理解 MARC 记录的结构
- 26.2.2 获取数据
- 首先，你需要获取一些可以使用的 MARC 数据。幸运的是，archive.org 上有很多公开的 MARC 数据集。在本项目中，你将使用俄勒冈健康与科学大学图书馆的一组记录。访问项目页面： https://archive.org/download/marc_oregon_summit_records/catalog_files/ 下载文件 ohsu_ncnm_wscc_bibs.mrc。在本课中，你可以将该文件重命名为 sample.mrc。这个文件大小为 156 MB，是这些文件中最小的一个，但你也可以尝试其他文件，它们也同样可以使用。
- 26.2.3 检查引导并遍历记录
- 这个集合中有 140,328 条记录！现在你已经将所有记录拆分开，接下来可以开始提取每条记录的作者和标题信息了。
- 26.2.4 读取目录（Directory）
- 26.2.5 使用目录查找字段
- 26.2.6 处理目录条目并查找 MARC 字段
- 26.2.7 从 MARC 字段中获取作者和标题信息
- 26.3 将一切整合在一起
- 总结
- 扩展练习
- 📎 参考文章