当今社会基础技术不断发展,信息化程度不断加深,大量的数字化设备产生了海量数据,使得数据资源与日俱增。这些数据中,以电子文档、邮件、报表、音频、视频、图形图像为主要部分的非结构化数据增长极为迅速,而关系型数据库中的结构化数据则相对比较缓慢。这一现象导致的最为直接的问题便是大量非结构化数据的存储与管理问题。而解决这一问题的关键就是通过“非结构化数据—半结构化数据—结构化数据”实现数据内容从非结构化向结构化的转换,从而对非结构化数据进行统一有效的管理。论文分析了文本文件、Word文档、Excel文档等非结构化文件的结构类型特点,创建对应的文件模板,通过转换程序来读取这些非结构化文件的内容,使用不同的转换规则将其分别转换成为标准的XML文档,再分析XML文档与关系数据库的映射关系,按照一定的转换规则将XML文档转换成为关系数据库表,为传统的基于关系模型的数据库所支持。论文提出了一种非结构化到结构化数据转换模型,增加了元数据提取模块和模板创建及管理模块来获取非结构化文件转换过程中所需要的文件结构并对其进行管理,使转换过程成为一个整体,增加了文件格式定义模块来实现同类型多结构文件的数据转换,对系统进行了性能优化,研究并创新的提出了大数据XML文档解析方法和海量数据插入优化方法,支持大数据量非结构化文件的数据转换。综合文中提出的方法和实现的过程,本文成功地实现了“高速列车数字化仿真平台”项目中非结构化到结构化数据转换功能的研发。仿真平台实际运行中,各专业子系统产生的仿真输出文件、设计文件等能够转换为系统需要的Oracle数据库表,方便了对这些非结构化文件的数据管理及应用,特别是数据查找及数据提取方面的应用,保证了高速列车数字化仿真平台的顺利运行。