XSLT – XML Dateien in die richtige Form bringen

Bei meiner Arbeit im META Projekt (und zuvor für meine Magisterarbeit) habe ich viel mit XSLT zu tun. Zur Info – Wikipedia sagt: XSLT, das ist eine Programmiersprache zur „Transformation von XML-Dokumenten„.

Das XSLT-Skript, welches die XML-Daten der Genderbibliothek umwandelt, umfasst nach heutigem Stand knapp 2000 Zeilen. Im Skript werden alle Objektarten homogenisiert (z.B. Buch, Hochschulschriften, Videos etc.) und mit zusätzlichen Informationen (z.B. Sprachcodes, Projektmarkierungen) angereichert.

Die Umwandlung der Rohdaten für VuFind erfolgt in zwei Schritten:

  1. Die Rohdaten werden in ein Zwischenformat umgewandelt, das wir liebevoll als Arbeitsxml bezeichnen (ein Preis für die Namensgebung wird es wahrscheinlich nicht geben)
  2. Die Arbeitsxml wird in das SOLR spezifische XML umgewandelt.

Letztlich sind das dieselben Schritte, die auch größere Player, wie die DDB, bei ihrer Datentransformation leisten muss – nur in einem kleinerem Maßstab.

Ziel dieser Arbeit ist es die Daten so aufzubereiten (Homogenisieren & Anreichern), dass sie in beliebig viele Formate umgewandelt werden kann. Denkbar sind Formate wie Marcxml, MODS oder EAD. An erster Stelle steht für das META Projekt und die Genderbibliothek allerdings die Integration der Daten in VuFind.

Achso – was kleinerer Maßstab heißt? Die Umwandlung der gesamten Datensätze dauert 111 Minuten und die Dateigröße schwillt von ca. 50 MB (ca. 58000 Datensätze) auf das Dreifache, ca. 150 MB, an.

… wenn ich das so schreibe, klingt es gar nicht mehr so viel. So oder so es steckt eine Menge Arbeit drin.

Zu sehen ist ein Bildschirmfoto eines XSLT Skriptes

Auszug aus dem XSLT-Skript für die Genderbibliothek

Advertisements