【文章內(nèi)容簡(jiǎn)介】 存信息的結(jié)構(gòu)化載體為了得到 XML文件的有效性，需要確定文件中信息必須遵守哪些結(jié)構(gòu)。這是通過(guò) Schema來(lái)實(shí)現(xiàn)的， Schema 是一種描述 XML 文件中信息結(jié)構(gòu)的模型。在 XML 中， Schema 被用來(lái)建立某類數(shù)據(jù)的模型。一旦數(shù)據(jù)模型適合特定的數(shù)據(jù)類，我們就可以創(chuàng)建遵守該模型的結(jié)構(gòu)化 XML 文件。 DTD 是建立 XML 文件的 Schema 的一種方法。 XML 數(shù)據(jù)模型中 XML 文檔的結(jié)構(gòu)按照 XML 圖來(lái)組織。 XML圖是一種非常靈活的數(shù)據(jù)模型圖的結(jié)點(diǎn)表示屬性，圖的每一個(gè)邊用元素標(biāo)簽標(biāo)識(shí)。通常， XML圖包含以下內(nèi)容 ： 1. 圖的侮一個(gè)頂點(diǎn)用一個(gè)唯一的字符串標(biāo)識(shí)，稱為對(duì)象標(biāo)識(shí) 13 (OID) 2. 圖的邊用元素標(biāo)簽標(biāo)記 3. 圖的結(jié)點(diǎn)用一組屬性值來(lái)標(biāo)記 4. 圖的葉結(jié)點(diǎn)用值 (或字符串 )來(lái)標(biāo)記 5. 圖有一個(gè)根結(jié) 點(diǎn) 為了更有效地進(jìn)行 XML數(shù)據(jù)的處理，學(xué)者們提出了許多關(guān)于 XML數(shù)據(jù)模式描述的方案，其中最主要的是文檔類型定義 DTD。與半結(jié)構(gòu)化數(shù)據(jù)的模式相比， DTD 的優(yōu)點(diǎn)是它的正則語(yǔ)法支持定義半結(jié)構(gòu)化的數(shù)據(jù)。 如 :!ELEMENT e(a,b?c+)說(shuō)明元素 e由一個(gè)子元素 a，可選的子元素 b, 要求出現(xiàn)或連續(xù)出現(xiàn)多次的子元素 c組成。 要討論 XML的模型圖，首先定義一個(gè) XML文檔的 DTD,假定 XML文檔放在 D: \, !ELEMENTbib(bok)+ !ELEMENTbok(author+,title,publisher) !ATTLISTbook yearCDATA !ELEMENTarticle (author+,title,year?) !ATTLISTarticletypeCDATA !ELEMENTpublisher(name,address) !ELEMENTauthor (firstname?， lastname) 這個(gè) DTD規(guī)定元素 bib中包含多個(gè) bok 元素、每一本書 (book )包含一個(gè)或多個(gè)作者元素、一個(gè)標(biāo)題元素、一個(gè)出版商元素、一個(gè)出 14 版年月屬 性。文章 (article) 的 DTD也是相似的，但它的出版年月是可選的，它省略了出版商，但包含了類型屬性，一個(gè)出版商包含了名字和地址元素，作者元素包含了可選的名和必須有的姓。假定所有的數(shù)據(jù)類型是字符串型。 該 DTD 限定了數(shù)據(jù)是怎樣組織的。事實(shí)上， XML 模型的元素順序可以是任意的。數(shù)據(jù)模型并不要求元素的順序必須與 XML文檔中的次序一致。如下述兩個(gè)表示等價(jià)： 1. bok 元素內(nèi)的最開(kāi)始部分是注釋。 2. 作者名放在書名的前面。 3. 每一個(gè)作者的名放在姓前 author firstname $f / lastname $1 / /author 等價(jià)于： author lastname $1/ firstname $f / /author 對(duì)于上述的 DTD,假定有以下事實(shí) ： 1. bok 元素內(nèi)的最開(kāi)始部分是注釋。 2. 作者名放在書名的前面。 3. 每一個(gè)作者的名放在姓前 XML非常適合描述分布的、多態(tài)的、動(dòng)態(tài)改變的 Web數(shù)據(jù)，數(shù)據(jù)與 XML 圖之間的對(duì)應(yīng)非常簡(jiǎn)單。下面是一個(gè) XML 的數(shù)據(jù)模型圖，該模型圖中的數(shù)據(jù)的類型和結(jié)構(gòu)與前面定義的 DTD一致。 15 圖 1 XML 數(shù)據(jù)模型圖 通過(guò)該模型圖可以很容易的實(shí)現(xiàn)數(shù)據(jù)從 XML 模型圖到 XML 文檔的轉(zhuǎn)換，轉(zhuǎn)換成的 XML文檔如下 ： bib bok year=1995 !一 Agodinductorytext authorlastnameDate /lastname/author title AnIntroductionto Database Systems/title publisher nameAdisionWesley/name/publisher /book /bib 模型允許同樣兩個(gè)結(jié)點(diǎn)之間有多條邊相連，但必須用不同的標(biāo)簽標(biāo)識(shí)。為了支持元素的共享， XML 可以為一個(gè)元素指定一個(gè) ID 屬性值來(lái)唯一地標(biāo)識(shí)元素，同時(shí)可以為一個(gè)元素指定一個(gè)引用 IDREF屬性 16 來(lái)引用已存在的多個(gè)元素 ID. 例如文檔 DTD 中有以下 ID 屬性和IDREFS屬性。 !ATLISTpersonIDIDREQUIRED !ATLISTarticleauthorIDREFSIMPLIED 其中 :REQUIRED 一屬性是必須的 。IMPLIED 一屬性是可選的 。在下面的 XML文檔片段中，兩個(gè) person元素的 ID值分別為 o123和 o234，元素 article的作者是 ID值分別為 o123和 o234的 person.。 personID=oI23 firstnameJohnlfirstname lastname Smith /lastname /person person ID= o234 ? /person article author=o123 o234 title ? .. /title Year1995/Year /article 上述結(jié)構(gòu)用 XML模型圖表示如下： 17 圖 2 XML 圖中數(shù)據(jù) 之間 的引用 因?yàn)閮H有 XML 圖的葉結(jié)點(diǎn)中包含值 ,并且只能表示一個(gè)值 .所以 ,下面的 XML文檔片段就不能直接用數(shù)據(jù)模型表示 . title A Trip to titlepartthe Moon/title part/title 為此 ,考慮用下面的片段來(lái)代替 . titleCDATAA Trip to/CDATAtitlepartCDATAthe Moon/CDATA/titIe part/title 該片段的數(shù)據(jù)模型圖如下 : 18 圖 3 XML 數(shù)據(jù)模型圖 19 其中頁(yè)結(jié)點(diǎn)的值是它的 OID。 XML 數(shù)據(jù)模型圖向 XML 文檔的映射 通過(guò)對(duì) XML 模型圖的轉(zhuǎn)換可以很容易地得到析可以生成 XML 數(shù)據(jù)模型圖 .這可以從上述 XMLXML文檔 ,同樣通過(guò)對(duì) XML文檔的解文檔與 XML 模型圖的映射對(duì)應(yīng)關(guān)系看出 .通常由于如下兩條原因 ,XML 圖不是和 XML 文檔嚴(yán)格對(duì)應(yīng)的。 1． XML 數(shù)據(jù)模型中的數(shù)據(jù)是無(wú)序的 ,元素的順序事先并未假定 。 2．支持結(jié)點(diǎn)共享 ,一個(gè)結(jié)點(diǎn)可 能和幾個(gè)結(jié)點(diǎn)有邊相連。 XML 數(shù)據(jù)模型中數(shù)據(jù)的存儲(chǔ)以及索引的存儲(chǔ) 1. XML 數(shù)據(jù)的存儲(chǔ)有以下方式 : (1).文本文件 是最簡(jiǎn)單 ,直接地存儲(chǔ) XML 數(shù)據(jù)的方式 .它與數(shù)據(jù)被理解的方式一致 ,自然地反映了對(duì)象之間的嵌套關(guān)系 ,且同一個(gè)對(duì)象的數(shù)據(jù)集中存儲(chǔ) .缺點(diǎn)是存儲(chǔ)粒度大 ,當(dāng)數(shù)據(jù)量大時(shí)不利于實(shí)現(xiàn)網(wǎng)絡(luò)通信和數(shù)據(jù)共享。 (2).關(guān)系數(shù)據(jù)庫(kù) 存儲(chǔ)半結(jié)構(gòu)化數(shù)據(jù)或 XML 數(shù)據(jù) .可以利用數(shù)據(jù)庫(kù)現(xiàn)有的存儲(chǔ)管理 ,并發(fā)控制 ,恢復(fù) ,版本機(jī)制等技術(shù)有效地管理數(shù)據(jù) .該方式的欠缺是一個(gè)簡(jiǎn)單的查詢路徑可能要通過(guò)多重鏈接實(shí)現(xiàn) ,影響了查詢的效 率 .半結(jié)構(gòu)化數(shù)據(jù)的缺乏模式和數(shù)據(jù)類型的特性也使關(guān)系數(shù)據(jù)庫(kù)的一些優(yōu)化存儲(chǔ)策略 (如聚集存儲(chǔ)等 )不能應(yīng)用。 (3).面向?qū)ο髷?shù)據(jù)庫(kù) 很多商業(yè)的 XML 服務(wù)器采用這種方式 .它利用 DTD 給出的類型信息構(gòu)造類層次結(jié)構(gòu) ,正則表達(dá)式的符號(hào)可由基 20 于對(duì)象數(shù)據(jù)模型的類型表達(dá) (如用 list數(shù)據(jù)類型表達(dá) ),也可以通過(guò)創(chuàng)建新類實(shí)現(xiàn) (如 |符號(hào)可用 union 類型的類實(shí)現(xiàn) ).該方式的數(shù)據(jù)模型更接近半結(jié)構(gòu)化數(shù)據(jù)模型 ,并能更好地處理嵌套的集合和順序 ,因此 ,其數(shù)據(jù)存儲(chǔ)和查詢處理可以用來(lái)提高 XML 或半結(jié)構(gòu)化數(shù)據(jù)處理的效率 .問(wèn)題是在數(shù)據(jù)加 載時(shí)對(duì)未知的數(shù)據(jù)類型需要建立新的類對(duì)應(yīng) ,這樣就影響了加載效率 。當(dāng) DTD 改變時(shí) ,數(shù)據(jù)模式的變動(dòng)代價(jià)也很昂貴 .面向?qū)ο竽Ｐ碗m然比關(guān)系模型更適合于表達(dá)半結(jié)構(gòu)化數(shù)據(jù)和 XML數(shù)據(jù) ,但有快速連接性能的關(guān)系數(shù)據(jù)庫(kù)也可以實(shí)現(xiàn)很好的性能。 (4).專門的對(duì)象存儲(chǔ) 如 Lore 系統(tǒng) ,它利用自己的對(duì)象管理器管理物理磁盤上的半結(jié)構(gòu)數(shù)據(jù)或 XML 數(shù)據(jù)對(duì)象 。 半結(jié)構(gòu)化數(shù)據(jù)索引需要處理的問(wèn)題是異構(gòu)原子值的索引和路徑表達(dá)式的索引 .不同原子值的索引可以通過(guò)強(qiáng)制類型轉(zhuǎn)換實(shí)現(xiàn) .路徑表達(dá)式的索引可以分為樹(shù) /圖結(jié)構(gòu)數(shù)據(jù)的索引 ,受限 /完 全的正則表達(dá)式 .相對(duì)來(lái)說(shuō) ,樹(shù)結(jié)構(gòu)的數(shù)據(jù) ,如 XML,其索引技術(shù)較簡(jiǎn)單 ,并且只支持正則路徑表達(dá)式的受限形式的索引更有效一些 ,因?yàn)檩^少有非常復(fù)雜的正則路徑表達(dá)式 .伯克利大學(xué)的 XSet系統(tǒng)就為 XML數(shù)據(jù)采用了一種索引 .這種索引綜合了路徑信息 ,也是樹(shù)結(jié)構(gòu) .索引樹(shù)的節(jié)點(diǎn)是哈希表 ,索引根節(jié)點(diǎn)包含了 數(shù)據(jù)根節(jié)點(diǎn)的所有出邊標(biāo)記 ,索引樹(shù)的內(nèi)節(jié)點(diǎn)對(duì)應(yīng)了數(shù)據(jù)中到達(dá)某一非葉節(jié)點(diǎn)的標(biāo)記序列 ,哈希表的每一項(xiàng)都包含了數(shù)據(jù)樹(shù)中指向淚應(yīng)節(jié)點(diǎn)的指針 .這種索引結(jié)構(gòu)可以有效地處理簡(jiǎn)單路徑表達(dá)式 , 一些更復(fù)雜的路徑表達(dá)式也可以通過(guò)索引的索引來(lái)實(shí)現(xiàn) .斯 21 坦 福大學(xué)的 DataGuide 系統(tǒng)實(shí)現(xiàn)了任意結(jié)構(gòu)的半結(jié)構(gòu)化數(shù)據(jù)的索引 ,它是關(guān)于半結(jié)構(gòu)化數(shù)據(jù)的路徑信息的一個(gè)精確 ,簡(jiǎn)潔的索引結(jié)構(gòu) ,可以有效地用來(lái)輔助建立查詢和進(jìn)行查詢優(yōu)化。 3. 異構(gòu)數(shù)據(jù)庫(kù)的集成 異構(gòu)數(shù)據(jù)庫(kù)集成的方法 Web 上異構(gòu)數(shù)據(jù)庫(kù)集成目標(biāo)是支持對(duì) Web 上多個(gè)數(shù)據(jù)源的查詢 ,處理大量的 ,數(shù)目遞增的 Web 數(shù)據(jù)源 . Web 上異構(gòu)數(shù)據(jù)庫(kù)集成主要有兩種方法 :數(shù)據(jù)倉(cāng)庫(kù)方法和虛擬方法 .前者是將各數(shù)據(jù)源的數(shù)據(jù)裝載到數(shù)據(jù)倉(cāng)庫(kù)中 ,用戶的查詢基于數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù) 。后一種方法基于一個(gè) 中間模式 (Mediated Schema),數(shù)據(jù)仍保存在局部數(shù)據(jù)源中 ,通過(guò)各數(shù)據(jù)源的 39。39。包裝程序 (Wrappers)將數(shù)據(jù)虛擬成中間模式 ,用戶的查詢基于中間模式 ,不必知道每個(gè)專門的數(shù)據(jù)源的特點(diǎn) ,查詢執(zhí)行引擎直接與 Wrappers 打交道 ,將基于中間模式的查詢轉(zhuǎn)換為基于各局部數(shù)據(jù)源的模式 .虛擬方法更適應(yīng)于數(shù)據(jù)源數(shù)目多 ,各局部數(shù)據(jù)源的自治性很高且局部數(shù)據(jù)經(jīng)常變化的 Web環(huán)境。 本文數(shù)據(jù)的集成方法采用基于 中間模式 的方法 ,將關(guān)系數(shù)據(jù)庫(kù)中的數(shù)據(jù)轉(zhuǎn)換為通用的 XML 數(shù)據(jù)源 .由于從不同的關(guān)系數(shù)據(jù)庫(kù)中產(chǎn)生 XML 數(shù)據(jù)源的轉(zhuǎn)換方法類似 ,文中僅給出從一個(gè) 數(shù)據(jù)庫(kù)中進(jìn)行數(shù)據(jù)轉(zhuǎn)換的方法。 用 XML格式表示的數(shù)據(jù)源的優(yōu)勢(shì) 22 XML 是 Web 上定義數(shù)據(jù)的通用語(yǔ)言 , XML 允許為指定的一群應(yīng)用程序創(chuàng)建一致的數(shù)據(jù)格式 ,它同樣也是服務(wù)器間傳遞數(shù)據(jù)的理想格式 .用 XML 格式表示的數(shù)據(jù)源有以下優(yōu)勢(shì)： (1), XML格式表示的數(shù)據(jù)能夠被唯一標(biāo)記 ,能用于更有意義的檢索 .例如 ,用戶可以指定查找一些書 ,書的作者是魯訊 ,而不是指書的內(nèi)容 .傳統(tǒng)的檢索將會(huì)將二者混為一談 ,如果是 XML 表示的數(shù)據(jù)源 ,可以方便地被檢索到 . (2),基于 XML的數(shù)據(jù)是自描述的 ,不需要有對(duì)數(shù)據(jù)的內(nèi)容描述 就可以交換和處理 ,可以更好地實(shí)現(xiàn)數(shù)據(jù)的共享和跨平臺(tái)操作。 (3),可以更好地從離散的 XML數(shù)據(jù)源集成數(shù)據(jù) .查找多個(gè)不兼容的數(shù)據(jù)庫(kù)在實(shí)踐上難以實(shí)現(xiàn) ,但是如果把各個(gè)數(shù)據(jù)庫(kù)的數(shù)據(jù)轉(zhuǎn)換成XML 格式的數(shù)據(jù)源 ,通過(guò)軟件代理可以很方便地把這些數(shù)據(jù)集成到中間層服務(wù)器上 ,在這之后 ,這些數(shù)據(jù)還可以被傳 到客戶或其他的服務(wù)器上進(jìn)行進(jìn)一步的集成 ,處理和分發(fā) . (4) , XML數(shù)據(jù)源可以方便地應(yīng)用于數(shù)據(jù)的多個(gè)視圖 .如果數(shù)據(jù)被傳送到桌面上 ,它可以以多種方式顯示 .例如 ,XML 數(shù)據(jù)的購(gòu)買訂單對(duì)代理商可以顯示得較為詳細(xì) ,而對(duì)于顧 客來(lái)說(shuō) ,只需要顯示簡(jiǎn)單的視圖。 (5),易于實(shí)現(xiàn)不同的粒度更新 .XML數(shù)據(jù)允許不同的粒度更新 ,消除每次數(shù)據(jù)的一部分發(fā)生變化后就必須重傳整個(gè)結(jié)構(gòu)化數(shù)據(jù)的需要 .只有發(fā)生變化的元素從服務(wù)器傳給客戶 ,不必更新全部用戶接口就能顯現(xiàn)發(fā)生變化的數(shù)據(jù)。 23 XML 是一種基于通用數(shù)據(jù)格式的描述語(yǔ)言 ,能夠被其他應(yīng)用程序方便地解析和操作 .如果數(shù)據(jù)是關(guān)系數(shù)據(jù)格式 ,只有 ASP 應(yīng)用程序和能夠使用 OLEDB 數(shù)據(jù)源的應(yīng)用程序才可以訪問(wèn) .而 XML 不同 ,只要客戶程序能夠解析 XML 的結(jié)構(gòu) ,就可以訪問(wèn)關(guān)系數(shù)據(jù)表中的信息 ,給我們實(shí)際生活中的應(yīng)用帶來(lái)了 極大的方便。 關(guān)系數(shù)據(jù)庫(kù)中結(jié)構(gòu)化的 XML 格式數(shù)據(jù)轉(zhuǎn)換的參考模型 基于 XML 的 Web 查詢先要進(jìn)行后臺(tái)數(shù)據(jù)的轉(zhuǎn)換 ,把關(guān)系數(shù)據(jù)庫(kù)中的數(shù)據(jù)源先轉(zhuǎn)化成 XML 數(shù)據(jù)源放在 Web 服務(wù)器上 ,然后再執(zhí)行查詢 。 在下面的圖示中給出了通過(guò) Web 對(duì) XML數(shù)據(jù)源訪問(wèn)的參考模型 ,VB應(yīng)用程序通過(guò) ADO從數(shù)據(jù)庫(kù)中提取數(shù)據(jù) ,然后把 ADO數(shù)據(jù)集轉(zhuǎn)換成 XML格式再傳遞到 Web服務(wù)器上 ,一旦數(shù)據(jù)放在 Web服務(wù)器上 ,就可以通過(guò)Web應(yīng)用程序 (如 IE5. 0 )來(lái)處理和顯示數(shù)據(jù) ,從而實(shí)現(xiàn)對(duì) Web上的XML 數(shù)據(jù)源方便地進(jìn)行存取和訪問(wèn) 。 圖 4 數(shù)據(jù)轉(zhuǎn)換參考模型 注 ： 在該實(shí)例中 .所有的應(yīng)用都基于 WINDOWS 環(huán)境 .整個(gè)系統(tǒng)中的 24 任何一層可以用運(yùn)行在其它平臺(tái)的應(yīng)用程序所代替 ,只要應(yīng)用程序能夠讀取和處理 XML即可 。 如何從關(guān)系數(shù)據(jù)庫(kù)中產(chǎn)生 XML 數(shù)據(jù)源是本文研究的重點(diǎn)之一 .如果能夠把關(guān)系數(shù)據(jù)庫(kù)中的數(shù)據(jù)轉(zhuǎn)換為 XML 數(shù)據(jù)源并把這些轉(zhuǎn)換后的數(shù)據(jù)源放置在 Web 服務(wù)器上 ,就可以很方便地實(shí)現(xiàn)對(duì)數(shù)據(jù)的訪問(wèn) ,并且能解決很多 HTML數(shù)據(jù)格式自身的限制