【正文】 MLSPY 等工具。 XML 的解析技術(shù)在 XML 文檔的應(yīng)用過程中有著重要的作用，它的行為減少了應(yīng)用程序處理 XML 數(shù)據(jù)的負(fù)擔(dān)，為應(yīng)用程序和數(shù)據(jù)庫(kù)提供了可操作的數(shù)據(jù)。 第三章首先說明了 XML 解析的必要性以及解析原理，并詳細(xì)講解了基于對(duì)象的解析方式（ DOM）和基于事件的解析方式（ SAX）。 第五章是本論文的結(jié)束部分，對(duì)全文做統(tǒng)一總結(jié)，并簡(jiǎn)要概括了本文未詳細(xì)討論的如何使 VTD 記錄具有唯一性的內(nèi)容。而從 SGML 衍生出來的 HTML（ Hyper Text MarkupLanguage，超文本標(biāo)記語言），憑借其簡(jiǎn)潔性使得每個(gè)人都可能創(chuàng)建 Web頁面并將它們推向外部世界，從 而迅速成為在網(wǎng)上制作頁面的標(biāo)準(zhǔn)語言格式 [2]。XML 是一個(gè)更具彈性、更容易添加新功能而又具有統(tǒng)一標(biāo)準(zhǔn) 的語言格式，它的目標(biāo)是以目前用 HTML 尚不可能的方法在 Web 上服務(wù)、接受和處理 SGML。有效文檔則已經(jīng)針對(duì)某個(gè) DTD 驗(yàn)證過了。它們用于在 XML 分析器外給另一個(gè)處理應(yīng)用發(fā)送指示。 ? 元素必須正確的嵌套。gt；”、“ amp?！?、“’”和“””字符。 第二章 可擴(kuò)展標(biāo)記語言 7 圖 XML 地址簿文件 文檔說明 所有的 XML 文檔都以首部開始，即使首部中沒有任何內(nèi)容。該說明有三個(gè)組成部分： ? version=“ ”是版本說明，表示該文檔遵循 規(guī)范； ? encoding=“ UTF8”是編碼說明，表示采用 UTF8 作為編碼方式 ； ? standalone=“ yes”是獨(dú)立說明，指出該文檔在一個(gè)文件里完成，不需要從外部導(dǎo)入文件。注釋是調(diào)試代碼的好方法，它 不是為機(jī)器準(zhǔn)備的，而是供人閱讀的，因此分析器總是不理會(huì)“ !”和“ ”中間的一切。文件類型聲明有如下三個(gè)主要作用： ? 指定文件的根元素。如果鏈接 DTD，那么說明包括指示 XML 分析器到哪去尋找該DTD 的鏈接信息，這叫做鏈接文檔類型說明。 標(biāo)記 標(biāo)記（ tag）是 XML 語法中最顯而易見的組成部分，它被用來描述元素。在HTML 中的元素 br 就是一個(gè)空元素，因?yàn)樗缓腥魏巫址麛?shù)據(jù)。 HTML 中空元素的語法來自結(jié)束標(biāo)記的格式。然而，仍然可以以“起始標(biāo)記 /結(jié)束標(biāo)記”的形式來表示空元素。實(shí)質(zhì)上，實(shí)體引用還是 XML 片段的唯一名稱。s Ratchet Service/pany 實(shí)體引用在和號(hào)和分號(hào)之間。通常， XML 解析可能會(huì)根據(jù)這些字符在 XML 中不同的結(jié)構(gòu)作用來解析 這些字符。換句話說， XML 解析器和應(yīng)用程序通常會(huì)忽略注釋。注釋可以出現(xiàn)在 CDATA 片段， 但他們并不作為注釋來處理。在該例子中，下面的注釋被用來描述地址簿中特定的聯(lián)系人。 XML 解析器并不處理處理指令，相反，它將處理指 令返回給應(yīng)用程序。這還使應(yīng)用程序在試圖處理一個(gè)不支持版本的文件時(shí)，可以提示給用戶。下面是一個(gè) CDATA 片段的例子： ![CDATA[ nameJack Tors/name address1816 N Street/address ]] cityNew York/city stateNew York/state 在該例子中，元素 name 和元素 address 不被當(dāng)作 XML 標(biāo)記，而其中的數(shù)據(jù)也不能被當(dāng)作解析的字符數(shù)據(jù)，因?yàn)檫@些標(biāo)記被放在 CDATA 片段中。 XML 相關(guān)技術(shù)和標(biāo)準(zhǔn) XML 不是一 項(xiàng)獨(dú)立的技術(shù)，它包含了很多其他相關(guān)技術(shù)和標(biāo)準(zhǔn)，例如 DTD、 XML模式（ Schema）、名域（ Namespace）、 XLink,、 XPath、 XPointer、 XHTML、 XSL、CSS、 DOM、 SAX 和 SOAP 等。 DTD 可以定義文檔的元素、元素的屬性以及元素和屬性之間的關(guān)系。圖 是 XML 文檔的外部 DTD[7]。通過提供對(duì)結(jié)構(gòu)和內(nèi)容的約束，XML 模式定義一類 XML 文檔。模式處理程序?qū)@示這個(gè)文檔是否符合該模式，即文檔是否有效。它是在一個(gè)文檔中混合來自多個(gè) DTD 的元素或多組名字并聲明哪些元素和屬性來自哪組名字的一條途徑。 從圖 中可以看出，“ title”雖然出現(xiàn)了兩次，但由于使用了“ bk”和“ authr”兩個(gè)不同的前綴，從而很容易地被區(qū)分開來 [8]。 XLink 表示資源之間或資源各部分 之間的一種關(guān)系，而資源可以是賦予 URI 的任何東西。 XPointer是 XLink 用來結(jié)合 XPath 的機(jī)制， XPointer 表達(dá)式總是寫成 xpointer（??），括號(hào)內(nèi)是 XPath 表達(dá)式。 XSL 由兩個(gè)標(biāo)準(zhǔn)組成，一個(gè)是 XSLT（ Extensible StylesheetLanguage Transformations，可擴(kuò)展樣式表語言轉(zhuǎn)換），另一個(gè)是 XSLFO（ ExtensibleStyle Language Formatting Objects，可擴(kuò)展樣式語言格式化對(duì)象）。圖 表示了 XSL 的工作流程，該流程概括起來說就是： XSL 處理器讀取一個(gè) XML文檔和一個(gè) XSL 樣式表，輸出符合樣式表的 XML 文檔的表示形式。用 XSLT 表示的轉(zhuǎn)換包含一組模板 規(guī)則。而 XSLFO 元素的主要作用就是頁面管理、流動(dòng)管理（內(nèi)容如何“注入”已創(chuàng)建的一系列頁面）和段落 /字符管理。 使轉(zhuǎn)換與格式化相分離的好處是，能夠通過選擇一個(gè)目標(biāo) XSL 處理器理解的名域，來選擇按何種方式格式化試圖顯示的新文檔。本章從總整體上對(duì)將要研究 XML 解析技術(shù)做了基礎(chǔ)知識(shí)的鋪墊，以便后續(xù)章節(jié)的進(jìn)一步研究。隨著 XML 越來越廣泛地被采用，高效解析 XML 文檔也變得越來越重要，尤其是對(duì)于那些要處理大量數(shù)據(jù)的應(yīng)用程序，這種技術(shù)尤為重要。它包含可解析或者不可解析的數(shù)據(jù)。 XML 解析器（處理器）用來讀取 XML 文檔，利用它可以訪問文檔的結(jié)構(gòu)和內(nèi)容。 XML 解析器根據(jù)是否驗(yàn)證合法性，可分為驗(yàn)證性和非驗(yàn)證性解析器；而根據(jù)解析方式的不同，又可分為基于樹的解析器（ DOM）和基于事件的解析器（ SAX）。 3) XML 解析器解壓縮、解析、解 釋和確認(rèn) XML 流量，然后將它路由給適當(dāng)?shù)膽?yīng)用服務(wù)器。與通過擴(kuò)展應(yīng)用服務(wù)器來獲得相同性能相比，利用 XML 解析器實(shí)現(xiàn)相同性能目標(biāo)的花費(fèi)僅為前者的 1/10。方法就是函數(shù)，它用來操作對(duì)象。 實(shí)際上，每一個(gè)事件都可以是對(duì)象。使用各種語言可以創(chuàng)建不同的對(duì)象，這些對(duì)象被稱為“用戶自定義對(duì)象”。它定義了文檔的邏輯結(jié)構(gòu)以及訪問和操作文檔的方式。 DOM 是一種基于樹型的解析技術(shù)，將 XML 文檔一次性解析，生成一個(gè)位于內(nèi)存中的對(duì)象樹用以描述該文檔。 (2) Element 和 Attr 對(duì)象：這些節(jié)點(diǎn)對(duì)象都是文檔某一部分的映射，節(jié)點(diǎn)的定級(jí)層次恰好反映了文檔的結(jié)構(gòu)； (3) Text 對(duì)象：作為 Element 和 Attr 對(duì)象的子節(jié)點(diǎn)， Text 對(duì)象表達(dá)了元素或?qū)傩缘奈谋緝?nèi)容。 DOM 樹中的所有節(jié)點(diǎn)都是從 Node 對(duì)象繼承而來的。 DOM 使用一種屬性結(jié)構(gòu)對(duì)接口之間的關(guān)系進(jìn)行建模，但并沒有將實(shí)際的實(shí)現(xiàn)局限于某種屬性數(shù)據(jù)結(jié)構(gòu)。 結(jié)構(gòu)化數(shù)據(jù) Food FrenchFries Curly Fries /FrenchFries Beers Good_Beer Samuel Adams /Good_Beer /Beers DOM 文檔 圖 DOM 文檔對(duì)象的簡(jiǎn)化視圖 第三 章 XML 解析技術(shù)基礎(chǔ) 21 DOM 的優(yōu)缺點(diǎn) DOM 以及廣義的基于樹的處理具有幾個(gè)優(yōu)點(diǎn)。利用 DOM，開發(fā)人員可以動(dòng)態(tài)地創(chuàng)建 XML,遍歷文檔、增加 /刪除 /修改文檔內(nèi)容，具有較好的導(dǎo)航能力。典型的 DOM 樹的容量比文檔容量要大一個(gè)數(shù)量級(jí)，所以它要消耗大量?jī)?nèi)存。 基于事件的簡(jiǎn)單應(yīng)用編程接口（ SAX） SAX 結(jié)構(gòu) 在用戶接口編程中，經(jīng)常會(huì)遇到“基于事件”這個(gè)詞。這是因?yàn)橐坏┦聞?wù)設(shè)置好了以后，用戶就不能調(diào)用解析器了，而是解析器在調(diào)用。 簡(jiǎn)單的來講，基于事件的 API 直接向應(yīng)用程序報(bào)告解析事件（例如元素的開22 XML 快速解析技術(shù) 始和結(jié)束）通常不創(chuàng)建內(nèi)部的數(shù)形結(jié)構(gòu)。 SAX 解析器不像 DOM 那樣建立一個(gè)整個(gè)文檔的樹型表示，它采用回調(diào)機(jī)制，在讀取文檔時(shí)激活一系列的事件，這些事件被推給事件處理器。如下圖中的例子 [11]所示。 簡(jiǎn)單的 XML 文檔 解析該文檔時(shí)調(diào)用的方法 ?xml version=‖‖? vehicles carMitsubishi Lancer/car /vehicles startDocument() startElement(vehicles) startElement(car) characters(Mitsubishi Lancer) endElement(car) endElement(vehicles) endDocument() 圖 SAX 解析示意圖 第三章 XML 解析技術(shù)基礎(chǔ) 23 2) SAX 無需像 DOM 那樣為所有節(jié)點(diǎn)創(chuàng)建對(duì)象，開發(fā)人員可以根據(jù)需要?jiǎng)?chuàng)建自己的 XML 對(duì)象模型。 SAX 的缺點(diǎn)如下 ： (1) 不能隨機(jī)訪問文檔。也就是說，為了維護(hù)數(shù)據(jù)結(jié)構(gòu)，在這個(gè)結(jié)構(gòu)中保存有用戶所需要的環(huán)境信息，例如當(dāng)前元素祖先的屬性，復(fù)雜的搜索可能會(huì)使程序變得很亂。 在具體分析了 DOM 和 SAX 解析方式之后，下面將給出一個(gè)具體的圖表，可以簡(jiǎn)明、清晰地看出兩種方式各自的優(yōu)缺點(diǎn)。它們還使用動(dòng)態(tài)數(shù)據(jù)結(jié)構(gòu)，這種結(jié)構(gòu)會(huì)隨著時(shí)間不斷變化，并且截取任意大小的數(shù)據(jù)塊有時(shí)候會(huì)非常大。該格式的一個(gè)關(guān)鍵優(yōu) 化性能就在于它采用了非提取性的令牌環(huán)結(jié)構(gòu)。 因?yàn)?VTD 的記錄是定長(zhǎng)的，就可以按照大小分配內(nèi)存緩沖區(qū)來存儲(chǔ)這些記錄，這樣就避免了產(chǎn)生大量相關(guān)其他 XML 處理技術(shù)的典型隊(duì)列或節(jié)點(diǎn)。眾所周知， DOM 對(duì)于大的文檔處理速度會(huì)很慢而且很耗費(fèi)內(nèi)存，而 SAX 對(duì)復(fù)雜結(jié)構(gòu)的 XML 文檔不具備簡(jiǎn)潔的易用性。在某些情況下，我們?yōu)榱?獲取 第三章 XML 解析技術(shù)基礎(chǔ) 25 所需的數(shù)據(jù)要使用很大的緩沖區(qū)，換句話說，我們會(huì)在同一個(gè)文檔中重復(fù) SAX解析很多次。為了實(shí)現(xiàn)非提?。?nonextractive）這個(gè)目的，它將原 XML 文件原封不動(dòng)的以二進(jìn)制的方式讀進(jìn)內(nèi)存，連解碼都不做，然后在這個(gè)字節(jié)（ byte）數(shù)組上解析每個(gè)元素（ element）的位置并把一些信息記錄下來，之后的遍歷操作便在這些保存下來的記錄（ record）上進(jìn)行，如果需要提取 XML 內(nèi)容就利用記錄（ record）中的位置等信息在原始字節(jié)（ byte）數(shù)組上進(jìn)行解碼并返回字符串。 VTDXML 的內(nèi)存占用是原 XML 的 ~（其中 的部分是原 XML，~ VTDXML占用的部分），而 DOM的內(nèi)存占用則是原 XML的 5x~10x。在此之后，文章又進(jìn)一步詳細(xì)解釋了常用的基于數(shù)模型和基于事件模型的兩種解析方式，具體分析了兩者的工作方式，并列出圖表比較了兩者各自的利弊。而引入 XML 文件后使得這個(gè)問題變得簡(jiǎn)單化。如圖 所示是一個(gè)比較典型的站點(diǎn)式遠(yuǎn)程監(jiān)控系統(tǒng)的模型。 由此可見，在這個(gè)站點(diǎn)式監(jiān)控系統(tǒng)中有多種數(shù)據(jù)要互相發(fā)送，并且數(shù)據(jù)的發(fā)送是隨機(jī)的、雜亂的、動(dòng)態(tài)的，內(nèi)容相異，格式不同，種類繁多。同時(shí)，為了便于實(shí)現(xiàn)，提高系統(tǒng)的可靠性、穩(wěn)定性及可維護(hù)性，采用層次結(jié)構(gòu)，將系統(tǒng)的功能劃分為七層模型，如圖 所示： 第四章 一種基于 XML的數(shù)據(jù)通信模型的設(shè)計(jì)與實(shí)現(xiàn) 29 (1) 物理鏈路層：是指網(wǎng)絡(luò)通訊的線路，本系統(tǒng)采用電信的 ADSL 有線方式，其它也可以是局域網(wǎng)（雙絞線、同軸電纜、光纖等）或者無線通訊 方式（ GPRS、GSM、 CDMA 等）；物理鏈路層是系統(tǒng)數(shù)據(jù)通信的基礎(chǔ)，但與上層的實(shí)現(xiàn)方式基本無關(guān)。 Windows 通過 Socket 把數(shù)據(jù)格式轉(zhuǎn)換成網(wǎng)絡(luò)傳輸格式，也把網(wǎng)絡(luò)數(shù)據(jù)格式轉(zhuǎn)換成 Windows 格式。 (4) XML 文件控制層：在 XML 中的數(shù)據(jù)可能是接收到的數(shù)據(jù)，也可能是要發(fā)送的數(shù)據(jù)，監(jiān)控中心和站點(diǎn)必須準(zhǔn) 確控制 XML 文件的接收和發(fā)送。 (6) 數(shù)據(jù)表示層：將采集到的數(shù)據(jù)、處理中的數(shù)據(jù)或者在數(shù)據(jù)庫(kù)中存儲(chǔ)的數(shù)據(jù)等各種數(shù)據(jù)格式轉(zhuǎn)換為能夠用 XML 文件描述的格式。該動(dòng)態(tài)鏈接庫(kù)的主要接口及其功能如下： (1) 初始化。 第四章 一種基于 XML的數(shù)據(jù)通信模型的設(shè)計(jì)與實(shí)現(xiàn) 31 包 括請(qǐng)求連接、接收到數(shù)據(jù)、斷開連接和日志回調(diào)。 參數(shù)： pszLocalIP－服務(wù)器 IP 地址 nSvrPort－服務(wù)器端口號(hào) 返回： 0 或者錯(cuò)誤代碼 (5) 服務(wù)器停止監(jiān)聽 DWORD DT_Net_StopListen()。 參數(shù)： nIDSocket－套接字句柄 (9) 連接服務(wù)器 DWORD DT_Net_ConnectRemote(LPCTSTR pstrRemoteIP, unsigned long nRemotePort)。 然后設(shè)置回調(diào)函數(shù)： DT_Net_SetCallBack(self,LPNET_ACCEPT_CALLBACK, LPNET_RECV_CALLBACK,LPNET_DISCONN_CALLBACK, LPNET_LOG_CALLBACK)。 nRemotePort－服務(wù)器端口號(hào) ? 實(shí)現(xiàn)文件傳輸 將監(jiān)控中心作為 S