CFR XML to SQL

Un script Python pentru convertirea fișierelor XML oferite de S.C. Informatica Feroviară S.A. într-o bază de date SQLite.

Cum se folosește

• se plasează fișierele .xml în folderul datafiles
• se completează fișierul datafiles/mapping.json cu numele companiilor
• se rulează convert.py:

# Unix
./convert.py

# Windows
python convert.py

Scriptul este scris pentru Python 3.

Deși rularea scriptului durează în jur de 3 secunde (setul de date 2020-2021), se afișează o bară de progres dacă este instalat tqdm:

# Unix
pip3 install tqdm

# Windows
pip install tqdm

Schemă bază de date

Schema este validă pentru versiunea 2.

Coloanele fără tip de date sunt luate direct din XML (deci cel mai probabil tip text).

Tabel Meta

Coloană	Tip de date	Descriere
Versiune	int	Versiunea bazei de date (schema aceasta descrie versiunea 2)

Tabel Companii

Coloană	Tip de date	Descriere
Id	int pk
NumeLegal	text	Numele oficial al companiei (ex: S.C. Companie S.R.L)
NumeComun	text	Numele după care este cunoscută compania (în general numele oficial fără prefix sau sufix; ex: Companie)

Tabel Trenuri

Coloană	Tip de date	Descriere
Number	int pk	Numar, dar truncat până la întâlnirea primului caracter nenumeric
IdCompanie	int	fk Companii->Id
CategorieTren		R/IR/etc.
KmCum	int	Lungimea totală a traseului în metri
Lungime	int	Lungimea trenului
Numar		Numărul trenului, dar posibil să conțină și simboluri (ex: Number: 74, CategorieTren: IR, Numar: 74-1)
Operator		? - Uneori conține un număr unic pentru un anumit operator, alteori este gol
Proprietar
Putere
Rang
Servicii
Tonaj

Tabel Trase

Coloană	Tip de date	Descriere
NumarTren	int	fk Trenuri->Number
Id	int	Id trasă (1, 2, ...)
Tip
CodStatieInitiala	int	fk Statii->CodStatie
CodStatieFinala	int	fk Statii->CodStatie

Tabel Statii

Coloană	Tip de date	Descriere
CodStatie	int pk	Codul folosit în setul de date
Denumire	text	Numele stației (ex: București Nord Gr.A)

Tabel ElementeTrasa

Coloană	Tip de date	Descriere
NumarTren	int	fk Trenuri->Number + Trase->NumarTren
IdTrasa	int	fk Trase->Id
Secventa	int	Ordinea secvenței în trasă (1, 2, ...)
Ajustari
CodStaDest	int	fk Statii->CodStatie
CodStaOrigine	int	fk Statii->CodStatie
DenStaDestinatie
DenStaOrigine
Km	int	Distanța în metri între stații (ex: 3022 -> 3022 m / 3 km)
Lungime	int	Lungimea trenului
OraP	int	Ora plecării (numărul de secunde de la 00:00:00 în ziua primei plecări)
OraS	int	Ora sosirii (numărul de secunde de la 00:00:00 în ziua primei plecări)
Rci
Rco
Restrictie
StationareSecunde	int	Numărul de secunde de staționare în stația origine
TipOprire
Tonaj
VitezaLivret	int	Viteza între stația origine și destinație în km/h