【正文】 XML XML Schema提供了一系列新特色，大大彌補(bǔ)了 DTD的不足： ① 豐富的數(shù)據(jù)類型。 XML Schema支持的數(shù)據(jù)類型包括數(shù)字型、布爾型、整型和日期時(shí)間等，而且它還支持由這些簡單類型生成的更復(fù)雜的類型。 ② 可以由用戶自定義數(shù)據(jù)類型。 ③ 支持屬性分組。屬性的應(yīng)用范圍是多種多樣的，有的是針對(duì)所有元素，有的則專門針對(duì)圖形元素。 ④ 原型可以更新。 DTD定義的內(nèi)容模式是封閉的，而 XML Schema定義的內(nèi)容模式是開放的，可以隨時(shí)更新。 第 11章 Web數(shù)據(jù)庫 XML (3)可擴(kuò)展樣式語言 XSL本身便是 XML的應(yīng)用，它基于 XML語法，共分為兩部分：第一部分 XSL轉(zhuǎn)換工具（ XSLT， XSL Transformation），負(fù)責(zé)將 XML文檔轉(zhuǎn)換為可瀏覽或可輸出的格式；第二部分 XSL格式對(duì)象（ XSLFO， XSLFormatted Object），提供大量的格式化命令，可用來配合印刷或屏幕顯示，精確地設(shè)定外觀樣式。利用 XSL，一個(gè) XML文檔可以根據(jù)不同的表示要求有不同的表示形式。 一個(gè) XML文檔的顯示過程如下：首先根據(jù) XML文檔構(gòu)造源樹，然后根據(jù)給定的 XSL將這個(gè)源樹轉(zhuǎn)換為可以顯示的結(jié)果樹，這個(gè)過程稱作樹轉(zhuǎn)換，最后再按照 FO解釋結(jié)果樹，產(chǎn)生一個(gè)可以在屏幕上、紙上、語音設(shè)備或其它媒體中輸出的結(jié)果，這個(gè)過程稱作格式化 。 第 11章 Web數(shù)據(jù)庫 XML （ 4） XLink 除了能靈活地組織文檔以外， XML還存在引用和鏈接到其它的資源和文檔的機(jī)制，這種機(jī)制就是 XLink。在XLink中，鏈接（ link）是指由 XLink鏈接元素定義的兩個(gè)或兩個(gè)以上資源之間或資源的各部分之間的一種關(guān)系。其中資源被定義為信息或服務(wù)的任何可定位的單元。 XLink可以實(shí)現(xiàn)使用 HTML的基于 URL超文本鏈接和定位可獲得的任何功能。除此之外，它還支持多方位的鏈接，即以多個(gè)方向同時(shí)進(jìn)行鏈接。在 XLink中，任何 XML元素都可以成為鏈接元素。 XLink還能通過鏈接文件建立間接鏈接，允許對(duì) XML文檔中的特定信息單元進(jìn)行鏈接。 第 11章 Web數(shù)據(jù)庫 XML (5)DOM DOM是基于樹結(jié)構(gòu)的程序訪問以及維護(hù) HTML和 XML文檔的應(yīng)用程序接口（ API）。它定義了表示和處理文檔的接口和對(duì)象、這些接口和對(duì)象的語義，以及它們之間的關(guān)系。 DOM以要求的方式處理 XML文檔信息，使應(yīng)用程序或編程語言可以通過節(jié)點(diǎn)樹訪問文檔的內(nèi)容。 DOM定義了HTML文檔和 XML文檔的邏輯結(jié)構(gòu)，給出了訪問和處理文檔的方法。在 DOM中， XML文檔具有類似于樹的邏輯結(jié)構(gòu)，其中樹的節(jié)點(diǎn)表示的是對(duì)象而不是數(shù)據(jù)結(jié)構(gòu)。利用 DOM，程序開發(fā)人員可以動(dòng)態(tài)地創(chuàng)建文檔，遍歷文檔結(jié)構(gòu)，增加、刪除或修改元素和文檔內(nèi)容，改變文檔的顯示方式等等。 第 11章 Web數(shù)據(jù)庫 XML （ 6） SAX SAX是一個(gè) XML的 Java應(yīng)用程序接口標(biāo)準(zhǔn)， Java應(yīng)用程序可以使用支持 SAX的 XML解析器來接受解析事件。使用 SAX比使用 DOM要節(jié)省很多內(nèi)存開銷，特別當(dāng)應(yīng)用程序只對(duì)一個(gè)大型 XML文檔中的某些元素感興趣時(shí)更是如此。但 DOM提供了更豐富的程序接口。 第 11章 Web數(shù)據(jù)庫 XML 2. XML的特點(diǎn) (1)開放性。 XML開放性的基礎(chǔ)是經(jīng)過驗(yàn)證的標(biāo)準(zhǔn)技術(shù)，在市場上有許多成熟軟件可用來幫助編程、管理，XML解析器可以使用編程的方法載入一個(gè) XML的文檔。 XML支持復(fù)用文檔片段，使用者可自創(chuàng)或與他人共享標(biāo)簽，可定義無限量的標(biāo)注。 (2)可擴(kuò)展性。 XML是摒棄了 SGML中一些復(fù)雜性，并考慮到適合 Web特性的一個(gè)子集。它和 SGML一樣是元語言，可以定義其它的語言。 XML的標(biāo)記是用戶定義的，所以從理論上講，其類型的數(shù)量可以是無限的。 (3)交互性好。用戶與應(yīng)用進(jìn)行交互時(shí)，使用 XML可以非常方便地在本地排序、過濾和進(jìn)行其它的數(shù)據(jù)操作，不需要與服務(wù)器進(jìn)行交互，減輕了服務(wù)器的負(fù)擔(dān)。 第 11章 Web數(shù)據(jù)庫 XML (4)語義性強(qiáng)。 XML可以自行設(shè)計(jì)有意義的標(biāo)記，便于異構(gòu)系統(tǒng)之間的數(shù)據(jù)交換和信息檢索，實(shí)現(xiàn)機(jī)器與機(jī)器之間的信息交換。 (5)簡單、通用。 XML規(guī)范簡單，用解析器處理所創(chuàng)建的標(biāo)記語言，支持世界上大多數(shù)文字，擁有國際化的編碼標(biāo)準(zhǔn)。任意兩個(gè)系統(tǒng)，不論其操作系統(tǒng)、編程語言及硬件結(jié)構(gòu)如何，都可交換 XML信息，進(jìn)行互操作。 (6)半結(jié)構(gòu)化。半結(jié)構(gòu)化數(shù)據(jù)是介于嚴(yán)格結(jié)構(gòu)化的數(shù)據(jù)（如關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)）和完全無結(jié)構(gòu)的數(shù)據(jù)（如聲音，圖像文件）之間的數(shù)據(jù)形式。 XML文檔采用可嵌套的成對(duì)表示數(shù)據(jù)元素的方法，即對(duì)復(fù)雜事物的描述運(yùn)用了類與層次的概念來表達(dá)，可處理半結(jié)構(gòu)化的數(shù)據(jù)類型，可與數(shù)據(jù)庫的結(jié)構(gòu)化數(shù)據(jù)之間進(jìn)行交互。 第 11章 Web數(shù)據(jù)庫 XML 3. XML的應(yīng)用 (1)XML的應(yīng)用范圍 XML的應(yīng)用主要體現(xiàn)在以下四個(gè)方面： ① 網(wǎng)絡(luò)用戶在兩個(gè)或更多異質(zhì)數(shù)據(jù)庫之間進(jìn)行通信的應(yīng)用。這主要源于 XML的自定義性和自解釋功能以及可擴(kuò)展性、標(biāo)準(zhǔn)性等?？山y(tǒng)一各種不同數(shù)據(jù)源的表示方法，從而屏蔽了操作系統(tǒng)、編程語言以及硬件設(shè)置的不同，實(shí)現(xiàn)了互操作。 ② 需要把大部分處理從 Web服務(wù)器轉(zhuǎn)到客戶端的應(yīng)用。應(yīng)用XML將處理數(shù)據(jù)的主動(dòng)權(quán)交給客戶端，減輕了 Web服務(wù)器的負(fù)擔(dān)。 ③ 需要客戶端將同樣的數(shù)據(jù)以不同的瀏覽形式提供給不同的用戶應(yīng)用。 ④ 需要智能 Web代理（ Proxy）根據(jù)個(gè)人用戶的需要增減信息內(nèi)容的應(yīng)用。 第 11章 Web數(shù)據(jù)庫 XML (2)建立 XML應(yīng)用的步驟 建立一個(gè) XML應(yīng)用通常需要遵循以下主要步驟 : ① 選擇或編寫一個(gè) DTD或 Schema。 ② 生成 XML文檔。可以將 DTD或 Schema看成模板，填入需要的數(shù)據(jù)。 ③ 解析 XML文檔。解析可以選擇 SAX或 DOM標(biāo)準(zhǔn)，目前已有各種語言的多種解析器提供。 ④ 顯示 XML文檔。如果所使用的瀏覽器可以顯示 XML，那么，直接將 XML文檔發(fā)送給瀏覽器，否則，使用 XSL將XML翻譯成瀏覽器可處理的內(nèi)容。如果還想做更復(fù)雜的排序和重排結(jié)構(gòu)，可以使用 DOM。 第 11章 Web數(shù)據(jù)庫 Web數(shù)據(jù)存儲(chǔ) 目前， Web數(shù)據(jù)的存儲(chǔ)方法主要有以下幾種： (1)使用基于文件系統(tǒng)的存儲(chǔ)管理技術(shù) 這種技術(shù)是將 XML數(shù)據(jù)存儲(chǔ)到文件系統(tǒng)中。 HTML的存儲(chǔ)管理都是基于這種平面的文件系統(tǒng)。對(duì) XML而言，主要方法是將XML數(shù)據(jù)以二進(jìn)制大對(duì)象（ BLOB， Binary Large Object）的形式進(jìn)行存儲(chǔ)，然后在每一次使用時(shí)將它進(jìn)行解析。由于反復(fù)解析，破壞了 XML的結(jié)構(gòu)，所以這種方法有很大的缺陷。 (2)使用基于層次數(shù)據(jù)庫的存儲(chǔ)管理技術(shù) 由于 XML本身是層次結(jié)構(gòu)的，因此可以將 XML數(shù)據(jù)存儲(chǔ)在層次數(shù)據(jù)庫中。在層次數(shù)據(jù)庫中，可以編寫查詢語句對(duì)數(shù)據(jù)進(jìn)行查詢。但層次數(shù)據(jù)庫技術(shù)不成熟，而且操作復(fù)雜，因此這也不是一種很有效的方法。 第 11章 Web數(shù)據(jù)庫 Web數(shù)據(jù)存儲(chǔ) (3)建立一個(gè)具有特定目的的存儲(chǔ)半結(jié)構(gòu)化數(shù)據(jù)的數(shù)據(jù)庫系統(tǒng) 這種方法建立諸如 Lore、 Strudel的數(shù)據(jù)庫系統(tǒng)，把半結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)在半結(jié)構(gòu)化數(shù)據(jù)倉庫中。系統(tǒng)通過特別設(shè)計(jì)的結(jié)構(gòu)和索引，使用一定的查詢優(yōu)化技術(shù)對(duì) XML數(shù)據(jù)進(jìn)行查詢。 (4)使用基于關(guān)系數(shù)據(jù)庫的存儲(chǔ)管理技術(shù) 在這種方法中， XML數(shù)據(jù)被映射為關(guān)系模式下的表，以半結(jié)構(gòu)化查詢語言提出的查詢被翻譯為 SQL查詢。 Oracle、 Microsoft、 IBM公司已經(jīng)開發(fā)出相應(yīng)的工具來支持這種方法，在它們各自的 RDBMS基礎(chǔ)上存儲(chǔ)XML數(shù)據(jù)。 (5)使用基于面向?qū)ο髷?shù)據(jù)庫的存儲(chǔ)管理技術(shù) 面向?qū)ο髷?shù)據(jù)庫用自身的方法、關(guān)系和語義來管理分層 XML樹，把XML文檔中的元素映射為對(duì)象數(shù)據(jù)庫的中的對(duì)象，同時(shí)提供了強(qiáng)大的導(dǎo)航和鏈接功能。雖然面向?qū)ο髷?shù)據(jù)庫的體系結(jié)構(gòu)非常適合存儲(chǔ) XML數(shù)據(jù)，但由于它本身的技術(shù)不夠成熟，限制了它的應(yīng)用。 第 11章 Web數(shù)據(jù)庫 Web數(shù)據(jù)查詢 1. Web查詢技術(shù) 目前 Web上的查詢主要基于搜索引擎的關(guān)鍵詞索引技術(shù)，按照Web文檔內(nèi)容與查詢關(guān)鍵詞的相似度，對(duì)查詢結(jié)果進(jìn)行排序。但是，由于用戶不了解搜索引擎中文檔模型的具體構(gòu)造，給出的查詢關(guān)鍵詞很難與所查文檔精確匹配，檢索效果不理想。因此，出現(xiàn)了一些新技術(shù)來從各方面改善信息查詢的性能，主要包括： (1)基于鏈接的相關(guān)度排序 鏈接反映了網(wǎng)頁間的引用關(guān)系，鏈接中的文本信息對(duì)鏈接的目標(biāo)網(wǎng)頁進(jìn)行了概括，這種概括在一定程度上比網(wǎng)頁自身的標(biāo)題、關(guān)鍵詞和摘要等概括更為客觀、準(zhǔn)確。因此，出現(xiàn)了一些基于鏈接的相關(guān)度排序方法，作為基本排序方法的補(bǔ)充。例如， Stanford大學(xué)研究的 PageRank算法，這類方法通過構(gòu)造 Web上網(wǎng)頁間的引用圖，并綜合考慮網(wǎng)頁被引用的次數(shù)以及鏈接的源網(wǎng)頁的重要性，來判斷鏈接的目標(biāo)頁面的重要性。 第 11章 Web數(shù)據(jù)庫 Web數(shù)據(jù)查詢 (2)基于概念的檢索技術(shù) 自然語言中，詞語的同義與多義現(xiàn)象較為普遍，導(dǎo)致基于關(guān)鍵詞的查詢不夠準(zhǔn)確，也不完全。因此，一些搜索引擎開始在基于關(guān)鍵詞查詢的基礎(chǔ)上，引入基于概念的檢索。基于概念的檢索，利用詞條在概念上的相關(guān)性，擴(kuò)展查詢請(qǐng)求，同時(shí)檢索包含查詢關(guān)鍵詞同義詞的文檔，從而提高了查全率。 (3)基于相關(guān)度的反饋 在很多情況下，用戶的初始查詢請(qǐng)求并不準(zhǔn)確?；谙嚓P(guān)度的反饋，通過對(duì)查詢請(qǐng)求不斷修正，以提高查詢的準(zhǔn)確度。用戶提出查詢請(qǐng)求后，系統(tǒng)按照相關(guān)度對(duì)查詢結(jié)果排序，并將結(jié)果反饋給用戶，用戶對(duì)查詢結(jié)果中文檔的相關(guān)性進(jìn)行評(píng)價(jià)，所有標(biāo)記為“相關(guān)”的文檔視為正反饋，標(biāo)記為“不相關(guān)”的文檔視為負(fù)反饋，系統(tǒng)根據(jù)用戶的反饋對(duì)查詢進(jìn)行修正，從而提高了系統(tǒng)的查詢準(zhǔn)確度。 第 11章 Web數(shù)據(jù)庫 Web數(shù)據(jù)查詢 (4)檢索結(jié)果的聯(lián)機(jī)聚類 聚類是將相關(guān)文檔的集合分為若干個(gè)簇，要求同一簇內(nèi)文檔內(nèi)容的相關(guān)度盡可能大，不同簇內(nèi)文檔內(nèi)容的相關(guān)度盡可能小。如果一次聚類生成的簇中仍然包含大量文檔，可以對(duì)該簇中的文檔再次聚類得到若干個(gè)子簇。這樣，用戶就可以只瀏覽那些他們認(rèn)為與查詢最相關(guān)的簇，減少了所需瀏覽網(wǎng)頁的數(shù)量，提高了查詢效率。 此外，智能 Agent等技術(shù)也開始應(yīng)用于 Web信息查詢，以提高 Web信息查詢的準(zhǔn)確度，并向用戶提供個(gè)性化的服務(wù)。 第 11章 Web數(shù)據(jù)庫 Web數(shù)據(jù)查詢 2． Web查詢語言 (1)Web查詢語言分類 Web查詢語言主要包括基于 HTML的查詢語言和基于 XML的查詢語言。 ① 基于 HTML的查詢語言 基于 HTML的查詢語言分為第 1代 Web查詢語言和第 2代 Web查詢語言。 第 1代 Web查詢語言，例如 W3QL和 WebSQL，綜合了文檔中出現(xiàn)的文本模式和描述鏈接結(jié)構(gòu)的圖模式，目的是將基于關(guān)鍵詞查詢的搜索引擎技術(shù)和數(shù)據(jù)庫系統(tǒng)中結(jié)構(gòu)化查詢語言技術(shù)結(jié)合在一起，實(shí)現(xiàn)類似于從數(shù)據(jù)庫中查詢數(shù)據(jù)的查詢表達(dá)方式，增強(qiáng)了用戶查詢 Web信息的表達(dá)能力。 第 2代 Web查詢語言，例如 WebOQL和 StruQL，提供了對(duì) Web對(duì)象內(nèi)部結(jié)構(gòu)的操縱功能，支持對(duì)鏈接模型的引用，以及對(duì)有序集合和記錄的更自然的數(shù)據(jù)表達(dá)方式。與第 1代 Web查詢語言不同，第 2代 Web查詢語言對(duì)Web文檔的內(nèi)部結(jié)構(gòu)和文檔間的鏈接建模。這些語言提供了創(chuàng)建復(fù)雜結(jié)構(gòu)的查詢結(jié)果的能力。由于 Web上的數(shù)據(jù)大多是半結(jié)構(gòu)的，這些語言還強(qiáng)調(diào)對(duì)半結(jié)構(gòu)化特性的支持。 第 11章 Web數(shù)據(jù)庫 Web數(shù)據(jù)查詢 ② 基于 XML的查詢語言 基于 XML查詢語言分為單文檔查詢語言、圖形化查詢語言和多文檔查詢語言。 單文檔查詢語言，例如 XSL和 XQL，是最基本的 XML查詢語言。其基本原理是從單個(gè) XML文檔中抽取信息，查詢語句用字符串表達(dá)，并可以作為 URL的一個(gè)參數(shù)傳遞。這類語言的主要缺點(diǎn)是不能連接兩個(gè)不同的文檔，表達(dá)能力有限。 圖形化查詢語言，例如 XMLGL，通過 XMLGDM（ XML Graphical Data Model）數(shù)據(jù)模型表達(dá) XML文檔和 DTD，并以特定接口實(shí)現(xiàn)可視化的查詢，因此適用于用戶界面友好的查詢系統(tǒng)。 多文檔查詢語言，例如 LOREL和 XMLQL，具有 SQL/OQL語言的風(fēng)格，可以在不同的數(shù)據(jù)源之間進(jìn)行 XML數(shù)據(jù)的查詢、信息交換和信息集成。 第 11章 Web數(shù)據(jù)庫 W