【正文】 型 Based on XML Web inquiry engineering research xxx 5 (Undergraduate Classes of Information management and information system Subject of 20xx Grade , College of LongQiao,LanZhou Commercial College) ABSTRACT WWW is the most widely used information scivice system on the Inter。 （ 7） 二、基于 XML 的 Web 查詢技術(shù)研究 （ 8） 7 2 Web 上的數(shù)據(jù)模型 XML 數(shù)據(jù)模型 （ 9） 3 異構(gòu)數(shù)據(jù)庫(kù)的集成 如果能夠把不同來(lái)源的結(jié)構(gòu)化的數(shù)據(jù)比較容易地結(jié)合在一起，將使搜索多樣的不兼容的數(shù)據(jù)庫(kù)成為可能，從而為解決 Web 數(shù)據(jù)查詢難題帶來(lái)了希望。它是特別為Web應(yīng)用設(shè)計(jì) 的，它是針對(duì) 于 HTML 和 Inter 的標(biāo)準(zhǔn)的、可擴(kuò)展的、通用的數(shù)據(jù)格式。 XML 是一種半結(jié)構(gòu)化的數(shù)據(jù)模型， XML 的文檔描述的語(yǔ)義非常清楚，它的可供操作的基礎(chǔ)要比 HTML 好得多，而且很容易就可以將之和關(guān)系數(shù)據(jù)庫(kù)中的屬性一一對(duì)應(yīng)起來(lái)，能夠支持實(shí)施十分精確有效的查詢。 二 、 基于 XML 的 Web查詢技術(shù)研究 1． Web查詢涉及的幾個(gè)主要問(wèn)題 Web上有海量的數(shù)據(jù)信息，怎樣對(duì)這些數(shù)據(jù)進(jìn)行有效的應(yīng)用成了現(xiàn)今數(shù)據(jù)庫(kù)技術(shù)的研究熱點(diǎn)。如何充分利用有用的數(shù)據(jù)，廢棄無(wú)用的數(shù)據(jù)，是 Web 數(shù)據(jù)查詢所面臨的一個(gè)難題。所謂半結(jié)構(gòu)化是相對(duì)于完全結(jié)構(gòu)化的傳統(tǒng)數(shù)據(jù)庫(kù)的數(shù)據(jù)而言。 Web查詢涉及的幾個(gè)主要問(wèn)題是 ： 尋找一個(gè)描述 Web 上數(shù)據(jù)的數(shù)據(jù)模型 Web上的數(shù)據(jù)與傳統(tǒng)的數(shù)據(jù)庫(kù)中的數(shù)據(jù)不同，傳統(tǒng)的數(shù)據(jù)庫(kù)都有 10 一定的數(shù)據(jù)模型，可以根據(jù)模型來(lái)具體描述特定的數(shù)據(jù)。 Web 上 的數(shù)據(jù)具有一定的結(jié)構(gòu)性，但因自述層次的存在，從而是一種非完全結(jié)構(gòu)化的數(shù)據(jù)，這也被稱之為半結(jié)構(gòu)化數(shù)據(jù)。要解決 Web上的異構(gòu)數(shù)據(jù)的集成與查詢問(wèn)題，就必須要有一個(gè)模型來(lái)清晰地描述 Web 上的數(shù)據(jù)。 通過(guò) Web上的數(shù)據(jù)模型實(shí)現(xiàn)異構(gòu)數(shù)據(jù)庫(kù)數(shù)據(jù)的集成 從數(shù)據(jù)庫(kù)研究的角度出發(fā)， Web 上信息的來(lái)源主要是從不同的數(shù)據(jù)庫(kù)中提取。只有將各個(gè)異構(gòu)數(shù)據(jù)源的數(shù)據(jù)都集成起來(lái)，提供給用戶一個(gè)統(tǒng)一的視圖，才有可能從巨大的數(shù)據(jù)資源中獲取所需的東西。下面就從 Web查詢涉及的幾個(gè)主要問(wèn)題展開研究與討論。描述數(shù)據(jù)庫(kù)的數(shù)據(jù)模型一般是 11 結(jié)構(gòu)化的數(shù)據(jù)模型，主要分為第 一代的層次 \網(wǎng)狀數(shù)據(jù)模型、第二代的關(guān)系數(shù)據(jù)模型、第三代的面 向?qū)ο髷?shù)據(jù)模型。 面向傳統(tǒng)數(shù)據(jù)庫(kù)技術(shù)直接應(yīng)用 網(wǎng)絡(luò) 數(shù)據(jù)的 困難在于， 網(wǎng)上數(shù)據(jù)缺乏統(tǒng)一固定的模式，數(shù)據(jù)往 往是不 規(guī)則 并且 經(jīng)常變動(dòng) ，在 這種情況下如何來(lái)解決異構(gòu)數(shù)據(jù)的集成和數(shù)據(jù)查詢問(wèn)題呢 ?這就迫切需要有一個(gè)模型 來(lái)清晰地描述 Inter的數(shù)據(jù)。 XML 數(shù)據(jù)模型 半結(jié)構(gòu)化數(shù)據(jù)模型的研究對(duì)數(shù)據(jù)庫(kù)界來(lái)說(shuō)是個(gè)全新的領(lǐng)域，早在1995 年，斯坦福大學(xué)己經(jīng)開始了相關(guān)方面的研究。后來(lái)隨著 Inter 的發(fā)展， Web 上的數(shù)據(jù)半結(jié)構(gòu)化特征日漸明顯，這一問(wèn)題也就擴(kuò)展到 Web領(lǐng)域，最終提出了針對(duì) Web 數(shù)據(jù)的模型司題?；谝?Web上的內(nèi)容查詢主要有兩個(gè)含義，一是頁(yè)面內(nèi)容的查詢，二是 12 頁(yè)面與頁(yè)面之間鏈接的查詢，而像頁(yè)面之間鏈接的這種關(guān)系我們則稱之為路徑表達(dá) 。因?yàn)?HTML 實(shí)際上只提供了如何在瀏覽器中顯示信息的方式而沒(méi)有反映數(shù)據(jù)本身所包含的語(yǔ)義，所以要想真正做到準(zhǔn)確、高效地查詢數(shù)據(jù)，十分困難 。 AL 的出現(xiàn)給做數(shù)據(jù)庫(kù)研究的人帶來(lái)了很大的驚喜。 XML 的文檔描述的語(yǔ)義非常清楚，而且我們很容易就可以將之和關(guān)系數(shù)據(jù)庫(kù)中的屬性一一對(duì)應(yīng)起來(lái)，能夠支持實(shí)施十分精確的查詢。 XML 文件本質(zhì)上是保存信息的結(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)。在 XML 中， Schema 被用來(lái)建立某類數(shù)據(jù)的模型。 DTD 是建立 XML 文件的 Schema 的一種方法。 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)。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)。 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。假定所有的數(shù)據(jù)類型是字符串型。事實(shí)上， XML 模型的元素順序可以是任意的。如下述兩個(gè)表示等價(jià)： 1. bok 元素內(nèi)的最開始部分是注釋。 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)的最開始部分是注釋。 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。 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)。 !ATLISTpersonIDIDREQUIRED !ATLISTarticleauthorIDREFSIMPLIED 其中 :REQUIRED 一屬性是必須的 。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.。 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。 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。 (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。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。 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 /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 ,也是樹結(jié)構(gòu) .索引樹的節(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。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。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。 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。 (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)。 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 。 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 。 XML格式數(shù)據(jù)轉(zhuǎn)換 的實(shí)現(xiàn) 現(xiàn)在有一個(gè) TAPFS 關(guān)系數(shù)據(jù)庫(kù) ,在這個(gè)數(shù)據(jù)庫(kù)中 ,有一個(gè) bib表 ,包含如下信息： 表一 bib table TITLE AUTHOR PUBLISHER YEAR An Introduction to Database Systems Date AddisonWeslev 1995 Foundation for Object/Relational Databases： The Third Manifesto Date AddisonWeslev 1998 Foundation for Object/Relational Databases： The Third Manifesto Darwen AddisonWeslev 1998 為了與 XML 模型中的 XML文檔相對(duì)應(yīng) ,在此處的關(guān)系數(shù)據(jù)庫(kù)中的數(shù)據(jù)也設(shè)計(jì)成同樣的數(shù)據(jù) 。 關(guān)系數(shù)據(jù)源轉(zhuǎn)換為 XML 數(shù)據(jù)源一般通過(guò) ASP 來(lái)生成 ,而不是靜態(tài)地創(chuàng)建 XML 文件 .這樣從數(shù)據(jù)庫(kù)中動(dòng)態(tài)地生成的 XML 文檔可以隨著數(shù)據(jù)庫(kù)的更新而自動(dòng)更新 .通過(guò)使用 ASP,可以將上述關(guān)系數(shù)據(jù)