我正在努力找出实现以下目标的最佳方法：

1. 每天从第三方网站下载大型XML（1GB）文件
2. 将该XML文件转换为我的服务器上的关系数据库
3. 添加搜索数据库的功能

对于第一部分，这是需要手动完成的事情，还是可以用cron完成？

与XML和关系数据库相关的大多数问题和答案都是指Python或PHP。这可以用javascript / nodejs完成吗？

如果这个问题更适合不同的StackExchange论坛，请告诉我，我会把它移到那里。

下面是xml代码的示例：

<case-file>
  <serial-number>123456789</serial-number>
    <transaction-date>20150101</transaction-date>
      <case-file-header>
       <filing-date>20140101</filing-date>
      </case-file-header>
      <case-file-statements>
       <case-file-statement>
        <code>AQ123</code>
        <text>Case file statement text</text>
       </case-file-statement>
       <case-file-statement>
        <code>BC345</code>
        <text>Case file statement text</text>
       </case-file-statement>
     </case-file-statements>
   <classifications>
  <classification>
   <international-code-total-no>1</international-code-total-no>
   <primary-code>025</primary-code>
  </classification>
 </classifications>
</case-file>

以下是有关如何使用这些文件的更多信息：

所有XML文件都采用相同的格式。每条记录中可能有几十个元素。这些文件每天由第三方更新（并在第三方网站上以压缩文件的形式提供）。每天的文件代表新的案例文件以及更新的案例文件。

目标是允许用户搜索信息并在页面上（或在生成的pdf / excel文件中）组织这些搜索结果。例如，用户可能希望查看包含<text>元素内特定单词的所有案例文件。或者用户可能希望查看包含主代码025（<primary-code>元素）的所有案例文件以及在特定日期（<filing-date>元素）之后提交的案例文件。

输入数据库的唯一数据来自XML文件 - 用户不会将任何自己的信息添加到数据库中。

解决方案

所有步骤当然可以使用node.js。有一些模块可以帮助您完成以下每项任务：

1. • node-cron：允许您在节点程序中轻松设置cron任务。另一个选择是在您的操作系统上设置一个cron任务（为您喜欢的操作系统提供大量资源）。
   • 下载：模块可以轻松地从URL下载文件。

2. xml-stream：允许您流式传输文件并注册解析器遇到某些XML元素时触发的事件。我已成功使用此模块来解析KML文件（授予它们比文件小得多）。

3. node-postgres：PostgreSQL的节点客户端（我确信有许多其他常见RDBMS的客户端，PG是我迄今为止唯一使用过的客户端）。

这些模块中的大多数都有很好的例子可以帮助您入门。以下是您可能设置XML流媒体部分的方法：

var XmlStream = require('xml-stream');
var xml = fs.createReadStream('path/to/file/on/disk'); // or stream directly from your online source
var xmlStream = new XmlStream(xml);
xmlStream.on('endElement case-file', function(element) {
    // create and execute SQL query/queries here for this element
});
xmlStream.on('end', function() {
    // done reading elements
    // do further processing / query database, etc.
});