【正文】 XML XML Schema提供了一系列新特色，大大彌補了 DTD的不足： ① 豐富的數據類型。 XML Schema支持的數據類型包括數字型、布爾型、整型和日期時間等，而且它還支持由這些簡單類型生成的更復雜的類型。 ② 可以由用戶自定義數據類型。 ③ 支持屬性分組。屬性的應用范圍是多種多樣的，有的是針對所有元素，有的則專門針對圖形元素。 ④ 原型可以更新。 DTD定義的內容模式是封閉的，而 XML Schema定義的內容模式是開放的，可以隨時更新。 第 11章 Web數據庫 XML (3)可擴展樣式語言 XSL本身便是 XML的應用，它基于 XML語法，共分為兩部分：第一部分 XSL轉換工具（ XSLT， XSL Transformation），負責將 XML文檔轉換為可瀏覽或可輸出的格式；第二部分 XSL格式對象（ 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，精確地設定外觀樣式。利用 XSL，一個 XML文檔可以根據不同的表示要求有不同的表示形式。 一個 XML文檔的顯示過程如下：首先根據 XML文檔構造源樹，然后根據給定的 XSL將這個源樹轉換為可以顯示的結果樹，這個過程稱作樹轉換，最后再按照 FO解釋結果樹，產生一個可以在屏幕上、紙上、語音設備或其它媒體中輸出的結果，這個過程稱作格式化 。 第 11章 Web數據庫 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制，這種機制就是 XLink。在XLink中，鏈接（ link）是指由 XLink鏈接元素定義的兩個或兩個以上資源之間或資源的各部分之間的一種關系。其中資源被定義為信息或服務的任何可定位的單元。 XLink可以實現(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，即以多個方向同時進行鏈接。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 XML文檔中的特定信息單元進行鏈接。 第 11章 Web數據庫 XML (5)DOM DOM是基于樹結構的程序訪問以及維護 HTML和 XML文檔的應用程序接口（ API）。它定義了表示和處理文檔的接口和對象、這些接口和對象的語義，以及它們之間的關系。 DOM以要求的方式處理 XML文檔信息，使應用程序或編程語言可以通過節(jié)點樹訪問文檔的內容。 DOM定義了HTML文檔和 XML文檔的邏輯結構，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構，其中樹的節(jié)點表示的是對象而不是數據結構。利用 DOM，程序開發(fā)人員可以動態(tài)地創(chuàng)建文檔，遍歷文檔結構，增加、刪除或修改元素和文檔內容，改變文檔的顯示方式等等。 第 11章 Web數據庫 XML （ 6） SAX SAX是一個 XML的 Java應用程序接口標準， Java應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)省很多內存開銷，特別當應用程序只對一個大型 XML文檔中的某些元素感興趣時更是如此。但 DOM提供了更豐富的程序接口。 第 11章 Web數據庫 XML 2. XML的特點 (1)開放性。 XML開放性的基礎是經過驗證的標準技術，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 XML的文檔。 XML支持復用文檔片段，使用者可自創(chuàng)或與他人共享標簽，可定義無限量的標注。 (2)可擴展性。 XML是摒棄了 SGML中一些復雜性，并考慮到適合 Web特性的一個子集。它和 SGML一樣是元語言，可以定義其它的語言。 XML的標記是用戶定義的，所以從理論上講，其類型的數量可以是無限的。 (3)交互性好。用戶與應用進行交互時，使用 XML可以非常方便地在本地排序、過濾和進行其它的數據操作，不需要與服務器進行交互，減輕了服務器的負擔。 第 11章 Web數據庫 XML (4)語義性強。 XML可以自行設計有意義的標記，便于異構系統(tǒng)之間的數據交換和信息檢索，實現(xiàn)機器與機器之間的信息交換。 (5)簡單、通用。 XML規(guī)范簡單，用解析器處理所創(chuàng)建的標記語言，支持世界上大多數文字，擁有國際化的編碼標準。任意兩個系統(tǒng)，不論其操作系統(tǒng)、編程語言及硬件結構如何，都可交換 XML信息，進行互操作。 (6)半結構化。半結構化數據是介于嚴格結構化的數據（如關系數據庫中的數據）和完全無結構的數據（如聲音，圖像文件）之間的數據形式。 XML文檔采用可嵌套的成對表示數據元素的方法，即對復雜事物的描述運用了類與層次的概念來表達，可處理半結構化的數據類型，可與數據庫的結構化數據之間進行交互。 第 11章 Web數據庫 XML 3. XML的應用 (1)XML的應用范圍 XML的應用主要體現(xiàn)在以下四個方面： ① 網絡用戶在兩個或更多異質數據庫之間進行通信的應用。這主要源于 XML的自定義性和自解釋功能以及可擴展性、標準性等。可統(tǒng)一各種不同數據源的表示方法，從而屏蔽了操作系統(tǒng)、編程語言以及硬件設置的不同，實現(xiàn)了互操作。 ② 需要把大部分處理從 Web服務器轉到客戶端的應用。應用XML將處理數據的主動權交給客戶端，減輕了 Web服務器的負擔。 ③ 需要客戶端將同樣的數據以不同的瀏覽形式提供給不同的用戶應用。 ④ 需要智能 Web代理（ Proxy）根據個人用戶的需要增減信息內容的應用。 第 11章 Web數據庫 XML (2)建立 XML應用的步驟 建立一個 XML應用通常需要遵循以下主要步驟 : ① 選擇或編寫一個 DTD或 Schema。 ② 生成 XML文檔?？梢詫?DTD或 Schema看成模板，填入需要的數據。 ③ 解析 XML文檔。解析可以選擇 SAX或 DOM標準，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容。如果還想做更復雜的排序和重排結構，可以使用 DOM。 第 11章 Web數據庫 Web數據存儲 目前， Web數據的存儲方法主要有以下幾種： (1)使用基于文件系統(tǒng)的存儲管理技術 這種技術是將 XML數據存儲到文件系統(tǒng)中。 HTML的存儲管理都是基于這種平面的文件系統(tǒng)。對 XML而言，主要方法是將XML數據以二進制大對象（ BLOB， Binary Large Object）的形式進行存儲，然后在每一次使用時將它進行解析。由于反復解析，破壞了 XML的結構，所以這種方法有很大的缺陷。 (2)使用基于層次數據庫的存儲管理技術 由于 XML本身是層次結構的，因此可以將 XML數據存儲在層次數據庫中。在層次數據庫中，可以編寫查詢語句對數據進行查詢。但層次數據庫技術不成熟，而且操作復雜，因此這也不是一種很有效的方法。 第 11章 Web數據庫 Web數據存儲 (3)建立一個具有特定目的的存儲半結構化數據的數據庫系統(tǒng) 這種方法建立諸如 Lore、 Strudel的數據庫系統(tǒng)，把半結構化數據存儲在半結構化數據倉庫中。系統(tǒng)通過特別設計的結構和索引，使用一定的查詢優(yōu)化技術對 XML數據進行查詢。 (4)使用基于關系數據庫的存儲管理技術 在這種方法中， XML數據被映射為關系模式下的表，以半結構化查詢語言提出的查詢被翻譯為 SQL查詢。 Oracle、 Microsoft、 IBM公司已經開發(fā)出相應的工具來支持這種方法，在它們各自的 RDBMS基礎上存儲XML數據。 (5)使用基于面向對象數據庫的存儲管理技術 面向對象數據庫用自身的方法、關系和語義來管理分層 XML樹，把XML文檔中的元素映射為對象數據庫的中的對象，同時提供了強大的導航和鏈接功能。雖然面向對象數據庫的體系結構非常適合存儲 XML數據，但由于它本身的技術不夠成熟，限制了它的應用。 第 11章 Web數據庫 Web數據查詢 1. Web查詢技術 目前 Web上的查詢主要基于搜索引擎的關鍵詞索引技術，按照Web文檔內容與查詢關鍵詞的相似度，對查詢結果進行排序。但是，由于用戶不了解搜索引擎中文檔模型的具體構造，給出的查詢關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)基于鏈接的相關度排序 鏈接反映了網頁間的引用關系，鏈接中的文本信息對鏈接的目標網頁進行了概括，這種概括在一定程度上比網頁自身的標題、關鍵詞和摘要等概括更為客觀、準確。因此，出現(xiàn)了一些基于鏈接的相關度排序方法，作為基本排序方法的補充。例如， Stanford大學研究的 PageRank算法，這類方法通過構造 Web上網頁間的引用圖，并綜合考慮網頁被引用的次數以及鏈接的源網頁的重要性，來判斷鏈接的目標頁面的重要性。 第 11章 Web數據庫 Web數據查詢 (2)基于概念的檢索技術 自然語言中，詞語的同義與多義現(xiàn)象較為普遍，導致基于關鍵詞的查詢不夠準確，也不完全。因此，一些搜索引擎開始在基于關鍵詞查詢的基礎上，引入基于概念的檢索?；诟拍畹臋z索，利用詞條在概念上的相關性，擴展查詢請求，同時檢索包含查詢關鍵詞同義詞的文檔，從而提高了查全率。 (3)基于相關度的反饋 在很多情況下，用戶的初始查詢請求并不準確?；谙嚓P度的反饋，通過對查詢請求不斷修正，以提高查詢的準確度。用戶提出查詢請求后，系統(tǒng)按照相關度對查詢結果排序，并將結果反饋給用戶，用戶對查詢結果中文檔的相關性進行評價，所有標記為“相關”的文檔視為正反饋，標記為“不相關”的文檔視為負反饋，系統(tǒng)根據用戶的反饋對查詢進行修正，從而提高了系統(tǒng)的查詢準確度。 第 11章 Web數據庫 Web數據查詢 (4)檢索結果的聯(lián)機聚類 聚類是將相關文檔的集合分為若干個簇，要求同一簇內文檔內容的相關度盡可能大，不同簇內文檔內容的相關度盡可能小。如果一次聚類生成的簇中仍然包含大量文檔，可以對該簇中的文檔再次聚類得到若干個子簇。這樣，用戶就可以只瀏覽那些他們認為與查詢最相關的簇，減少了所需瀏覽網頁的數量，提高了查詢效率。 此外，智能 Agent等技術也開始應用于 Web信息查詢，以提高 Web信息查詢的準確度，并向用戶提供個性化的服務。 第 11章 Web數據庫 Web數據查詢 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構的圖模式，目的是將基于關鍵詞查詢的搜索引擎技術和數據庫系統(tǒng)中結構化查詢語言技術結合在一起，實現(xiàn)類似于從數據庫中查詢數據的查詢表達方式，增強了用戶查詢 Web信息的表達能力。 第 2代 Web查詢語言，例如 WebOQL和 StruQL，提供了對 Web對象內部結構的操縱功能，支持對鏈接模型的引用，以及對有序集合和記錄的更自然的數據表達方式。與第 1代 Web查詢語言不同，第 2代 Web查詢語言對Web文檔的內部結構和文檔間的鏈接建模。這些語言提供了創(chuàng)建復雜結構的查詢結果的能力。由于 Web上的數據大多是半結構的，這些語言還強調對半結構化特性的支持。 第 11章 Web數據庫 Web數據查詢 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 XML文檔中抽取信息，查詢語句用字符串表達，并可以作為 URL的一個參數傳遞。這類語言的主要缺點是不能連接兩個不同的文檔，表達能力有限。 圖形化查詢語言，例如 XMLGL，通過 XMLGDM（ XML Graphical Data Model）數據模型表達 XML文檔和 DTD，并以特定接口實現(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語言的風格，可以在不同的數據源之間進行 XML數據的查詢、信息交換和信息集成。 第 11章 Web數據庫 W