如何轻松将史料书籍转为数据库？采用XML标注方案是否可行？

1. XML标注方案可行性与搜索词建议 #

你的思路完全可行，本质是通过手动给非结构化文本增加自定义结构化标记，后续通过工具批量提取标记内容即可得到可入库的结构化数据，完全不需要逐行手动录入。
你之前搜索不到对应方法是因为关键词太泛，可更换以下更精准的搜索词：

• 自定义XML节点内容提取到表格
• XML to CSV 字段映射
• 结构化标记文本 数据提取
• 数字人文领域相关关键词可搜人文文本标注 结构化入库
  实际操作层面，你完成标注后，哪怕没有编码基础，用Excel自带的Power Query功能就能批量提取指定XML标签的内容，直接导出为电子表格，后续可以直接导入数据库或QGIS使用。

2. 基于DOCX版本的更优实现方案 #

你持有原书DOCX版本的前提下，不需要硬走手动加XML标签的路径，有更低门槛、效率更高的选择：

• 优先使用专门的文本结构化标注工具，这类工具支持你提前自定义好需要的字段（地名、坐标、考古发掘信息、参考文献等），标注完成后可以一键导出CSV格式的结构化表格，CSV可以直接导入QGIS，也能转存到任意数据库，比你手动输入XML标签效率高很多，也不容易出现标签语法错误。
• 要是你不想额外学新的标注工具，也可以直接在DOCX文档内使用自定义样式做标记：给不同类型的内容设置专属的字符/段落样式，比如所有地名统一应用你新建的place_name样式，考古发掘信息统一应用archaeological_excavations样式，标注完成后用现成的DOCX样式提取工具，就能批量把不同样式对应的内容提取出来生成表格，操作门槛比写XML标签低很多。
• 如果原书的内容排版有固定规律，比如每个地点的信息都是固定的段落顺序（先写地名、再写位置、再写考古信息），你还可以花半天时间入门基础正则表达式，用正则批量提取对应内容，能省去大部分手动标注的工作量。

内容的提问来源于stack exchange，提问作者Jakub Sypiański