[SQL]SQL Server 2005中xml类型和函数的简单应用

大家都知道SQL Server 2005新增了xml字段类型,我们可以利用它来实现批量操作数据库的需要,减少应用程序频繁、反复的建立数据库连接的情况发生,比如批量删除,我们可以在应用程序中构建如下xml:

<Delete><ID>1</ID><ID>2</ID><ID>3</ID></Delete>

在数据库中可以通过下面的脚本获得这些ID:

Select 
        T.ID.value(
'.''int'As ID
From
        
@xmlParam.nodes('/Delete/ID'as T(ID)

运行结果如下:

将xml类型作为存储过程的参数,批量删除的存储过程如下:

Create Procedure pro_Batch_Delete
@xmlParam xml
As

Delete from 
    t_TableName 
Where ID in 
    (
Select 
        T.ID.value(
'.''int'As ID
    
From
        
@xmlParam.nodes('/Delete/ID'as T(ID))

大家也知道,DataSet中的数据可以直接序列化成xml,通过dataSet.GetXml(),我们可以将这个xml作为存储过程参数,实现稍微复杂的功能,比如批量插入数据,在数据库中怎样将这个xml转换为表呢,我们先看DataSet序列化的xml结构:

<DataSet>
  
<Table><ID>1</ID><Count>1</Count></Table>
  
<Table><ID>2</ID><Count>2</Count></Table>
  
<Table><ID>3</ID><Count>3</Count></Table>
</DataSet>

当然也可以包含多个表,这里我们以一个表举例,转换脚本如下:

Declare @Xml xml
Set @Xml = '
<DataSet>
  <Table><ID>1</ID><Count>1</Count></Table>
  <Table><ID>2</ID><Count>2</Count></Table>
  <Table><ID>3</ID><Count>3</Count></Table>
</DataSet>
'
Select 
    T2.ID.value(
'.''int'As ID, T3.[Count].value('.','int'As [Count]
From 
    (
Select  
        T.Records.query(
'ID'As ID, 
        T.Records.query(
'Count'As [Count]
    
From 
        
@Xml.nodes('/DataSet/Table'As T(Records)
    ) 
As T1
Cross Apply T1.ID.nodes('ID'As T2(ID)
Cross Apply T1.[Count].nodes('Count'As T3([Count])

执行此脚本,可以得到我们想要的表:

批量插入记录的存储过程如下:

Create Procedure pro_Batch_Insert
@xmlParam xml
As

Insert Into t_TableName (ID, [Count])
(
    
Select 
        T2.ID.value(
'.''int'As ID, T3.[Count].value('.','int'As [Count]
    
From 
        (
Select  
            T.Records.query(
'ID'As ID, 
            T.Records.query(
'Count'As [Count]
        
From 
            
@xmlParam.nodes('/DataSet/Table'As T(Records)
        ) 
As T1
    
Cross Apply T1.ID.nodes('ID'As T2(ID)
    
Cross Apply T1.[Count].nodes('Count'As T3([Count])
)

同样,可以实现批量update的功能,这里不具体列举了,实现核Insert是基本相同的。
这里只使用部分SQL2005关于xml几个谓词和函数,在MSDN中都有说明,还有其他更强大的功能等大家一起去发掘.

赞(0) 打赏
分享到: 更多 (0)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏