（计算机应用技术专业论文）xml与关系数据库的存储与转换技术.pdf

摘要 随着i n t e r n e t 的迅猛发展，计算机网络大大地影响了人类的生 活方式、商业模式。作为互联网最主要应用的w e b 正成为整个世界的 窗口，它实现了全球用户和各种信息的共享。w e b 上各种各样信息 的处理已经超出了h t m l ( h y p e r t e x tm a r k u pl a n g u a g e ) 的处理能力。 在这种情况下，万维网协会( w o r l dw i d ew e bc o n s o r t i u m ，w 3 c ) 于 1 9 9 8 年2 月提出了x m l ( e x t e n s i b l em a r k u pl a n g u a g e ) 。由于x m l 具 有灵活性、易于使用等优点，正在逐渐成为w e b 上信息的主要表示和 交换工具。x m l 是一种面向正文的数据模型，这种模型非常类似于半 结构数据模型。 本文首先介绍了半结构化数据) ( m l 和数据库，指出了x m l 是一种 半结构数据，介绍了半结构数据和传统数据库的区别。x m l 就其本身 而言不是数据库，它必须依赖传统数据库存储数据，才能广泛地运用 到w e b 中。然后介绍了d o m ，它在x m l 与数据库的存储中起着重要的 作用。通过d o m ，x m l 与关系数据库之间能够实现相互的转换过程。 论文以x m l 与关系数据库的转换为主，详细阐述了x m l 与数据库的关 系、使用x m l 带来的好处以及建立从关系数据库到x m l 数据库的转换 机制的必要性。最后给出了它们的理论依据。 论文主要解决了以下问题： ( 1 ) 讨论了d o m 的存取机制和组成，以及d o m 树和d o m 的主要应 用，利用d o m 实现了) ( m l 与关系数据库的转换； ( 2 ) 对x m l 与数据库之间的转换技术进行了研究，实现了这些技 术的转换过程，并以实例的形式对转换过程进行了说明； ( 3 ) 从函数依赖的角度分析了x m l 与数据库相互转换前后的理论 依据； 关键词x m l ，半结构数据，关系数据库，存储，转换，函数依赖 a b s t r a c t w i t ht h er a p i d l yd e v e l o p m e n to fi n t e m e t ，t h ec o m p u t e rn e t w o r k g r e a t l ya f f e c tp e o p l ei nl i v es t y l ea n dc o m m e r c em o d e l a sw e b ，w h i c hi s t h em a i na p p l i c a t i o ni ni n t e m e t ，i sb e c o m i n gt h ew i n d o wo ft h ew h o l e w o r l d ，i th a sr e a l i z e dt h es h a r i n go fw o r l du s e ra n dv a r i o u si n f o r m a t i o n i nw e bs i t e ，h t m l ( h y p e r t e x tm a r k u pl a n g u a g e ) h a sn o tb e e na b l et o d e a lw i t ha l lk i n d so fi n f o r m a t i o n u n d e rt h ec i r c u m s t a n c e ，t h ew o r l d w i d ew e bc o n s o r t i u m , w 3 cf o rs h o r tp r o p o s et h ex m l ( e x t e n s i b l e m a r k u pl a n g u a g e ) a sx m l h a ss o m em e r i t ss u c ha sf l e x i b i l i t y , e a s i n e s s f o ru s ee t c i ti sb e c o m i n gt h em a i nw a yo fi m p o r t a n td i s p l a ya n dt o o lf o r e x c h a n g eo nt h ew e b x m li s d a t am o d e l ，w h i c hi se x t r a o r d i n a r y r e s e m b l i n gs e m i s t r u c t u r e dd a t am o d e l f i r s t ，t h i sp a p e ri n t r o d u c e st h es e m i - s t r u c t u r e dd a t a ( x m l ) a n d d a t a b a s e ，i n d i c a t e sx m l i ss e m i s t r u c m r e dd a t aa n ds h o w st h ed i f f e r e n c e b e t w e e ns e m i s t r u c t u r e dd a t aa n dc o n v e n t i o n a ld a t a b a s e x m li sn o t d a t a b a s e i tm u s td e p e n do nr e l a t i o n a ld a t a b a s es t o r i n gd a t aa n dc a nb e w i d e l yu s e do nw e b n e x t ，d o mi si n t r o d u c e d ，i ti sv e r yi m p o r t a n ti nt h e s t o r a g eb e t w e e n x m la n dd a t a b a s ew i t hd o m t h er e c i p r o c a l c o n v e r s i o no nt h ex m la n dr e l a t i o n a ld a t a b a s ec a nb er e a l i z e d t h i sp a p e r m a i n l yi l l u m i n a t e st h ec o n v e r s i o nb e t w e e nx m l a n dr e l a t i o n a ld a t a b a s e ， t h er e l a t i o n s h i pb e t w e e nt h e mi si nd e t a i ld e m o n s t r a t e d ，t h ea d v a n t a g eo f u s i n gx m l a n dt h ee s s e n t i a lf o rc r e a t i n gt h ec o n v e r tm a c h i n e r yb e t w e e n r e l a t i o n a ld a t a b a s ea n dx m ld a t a b a s e l a s t ，t h ep a p e rs h o w st h e o r yg i s t o nx m la n dd a t a b a s e t h i sp a p e rm o s t l ys o l u t e sf o rt h ef o l l o w i n gp r o b l e m s ： 1 ) d i s c u s s i n gt h ec o m p o s i n ga n ds t o r a g em e c h a n i s mo nd o m ， a n a l y z i n gd o m g e ea n dt h em a i na p p l i c a t i o no fd o m r e a l i z i n gt h e c o n v e r s i o nb e t w e e nx m la n dr e l a t i o n a ld a t a b a s et h r o u g hd o m 2 ) r e s e a r c h i n gt h ec o n v e r s i o nt e c h n o l o g yo nx m la n dd a t a b a s e ， j j r e a l i z i n gc o n v e r s i o np r o c e s sa b o u tt h e s et e c h n o l o g i e s ，e x p l a i n i n gt h e p r o c e s sw i t hi n s t a n c e 3 ) f r o mf u n c t i o n a ld e p e n d e n c i e s ，i l l u m i n a t i n g t h e t h e o r yb a s e b e t w e e nx m la n dd a t a b a s et h a th a v eb e e nc o n v e n e d k e y w o r d s ：x m l ，s e m i s t r u c t u r e d ，r e l a t i o n a ld a t a b a s e ，s t o r a g e ， c o n v e r s i o n ，f u n c t i o n a ld e p e n d e n c y 1 1 1 湖南师范大学学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下， 独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本 论文不含任何其他个人或集体已经发表或撰写过的作品成果。对本文 的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本 人完全意识到本声明的法律结果由本人承担。 学位论文作者签名：爹专夫。7 年 月，日 湖南师范大学学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定， 研究生在校攻读学位期间论文工作的知识产权单位属湖南师范大学。 同意学校保留并向国家有关部门或机构送交论文的复印件和电子版， 允许论文被查阅和借阅。本人授权湖南师范大学可以将本学位论文的 全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫 描等复制手段保存和汇编本学位论文。 本学位论文属于 1 、保密口，在年解密后适用本授权书。 2 、不保密嘭 ( 请在以上相应方框内打“ ”) 作者签名玲寺叉日期：0 7 年月； 日 导师签名：盂。f 匕珏日期：唧年占月日 5 7 x m l 与数据库的存储与转换技术 第一章绪论 1 1 研究背景 近十年来，i n t e m e t 以迅猛之势飞速发展，它大大地影响了人类 的生活方式、商业模式。作为互联网最主要应用的w e b 正成为整个世 界的窗口，它实现了全球用户和各种信息的共享。随着i n t e r a c t 的迅 速发展，面对海量的信息查询，静态h t m l 页面已无法满足这种需 求。尽管虽然有硬件方面的原因，但主要还是由目前w e b 语言 h t m l 的性质所引起。随着w e b 应用的日益广泛，它的局限性越 来越明显，不能满足i n t e m e t 上信息的交换和表示。可扩展标记语言 ( e x t e n s i b l em a r k u pl a n g u a g e ，简称x m l ) 在这种情况下应运而生。 1 9 9 8 年2 月，w 3 c ( 全球互联网联盟) 给了其正式的x m l l 0 版本， 并正式推荐x m l 成为下一代互联网标准。 由于w e b 的出现，使得电子数据的管理从最初直接以传统的、具 有良好结构的d b ，以及后来使用h t m l 页面的大量手写的无结构数 据，发展到了今天的爆炸性增长的半结构数据阶段【1 】。 要想对这种半结构数据进行有效的管理是十分困难的，因为传统 的d b m s ，如r d b 或0 0 d b 主要是用于管理结构数据的。因而，传 统的d b 技术不适合用于半结构数据的管理。正是因为如此，“如何 对半结构数据进行有效的管理”这一新的研究领域便由此产生。目前， 国际d b 界已把“半结构数据的有效管理问题”列入未来1 0 年的重要 研究方向之一“。， 近年来，x m l 作为w e b 上一种新的数据表示及交换标准，使得 通过i n t e m e t 进行数据交换和集成成为可能。x m l 是一种面向正文的 数据模型，这种数据模型非常类似于半结构数据模型。我们知道， h t m l 语言是面向表现( p r e s e n t a t i o n ) 格式( 布局) 的，信息的内容 靠用户来理解：而x m l 语言则是面向内容的，其语义是隐含在语言 的标记之中，因此x m l 更适合用来表示数据。基于x m l 的w e b 数 硕十学忙论文 据不仅是一种新的w e b 数据组织形式，而且x m l 面向数据交换的特 性推动了w e b 应用模式的发展，它反映的是有结构且有自描述能力的 数据。x m l 另一个令人感到振奋的特点是，它的出现将把w e b 变成 d b l 3 】。因此，将w e b 上的半结构数据迁移到x m l 上海量数据进行有 效管理的十分有意义的一步，该领域也是目前国际上一个新的研究热 点。 1 2 研究目的与意义 如今，面向w e b 的数据挖掘w e b 上有海量的数据信息，怎样对 这些数据进行复杂的应用成了现在数据库技术的研究热点。从数据库 研究的角度出发，w e b 网站上的信息也可以看作一个数据库，一个更 大、更复杂的数据库。w e b 上的每一个站点就是一个数据源，每个数 据源都异构的，因而每一个站点之间的信息和组织都不一样，这就构 成了一个巨大的异构数据的集成问题，只有将这些站点的数据都集成 起来，才能提供给用户一个统一的视图，才有可能从巨大的数据资源 中获取所需的东西。 当有大量的数据需要处理分析的时候，最好的方法是把这些数 据放到数据库中进行处理，几乎所有的大型商业应用系统都是和数据 库相关的。所以，如果想要把x m l 很好地应用于商业领域，就必须 要和数据库相联系。只有这样，才有可能把w e b 上海量的半结构化信 息结构化，对它们进行统一的管理和控制。但需要注意的是，x m l 本身不是数据库，从严格意义上来说，x m l 仅仅意味着x m l 文档。 尽管一个x m l 文档包括有数据，但是如果不通过其它的软件来进行 数据处理的话，它本身也不过是一个文本文件，所以x m l 本身并不 能和数据库相联系，但是如果加上一些其它的辅助工具，就可以把整 个x m l 看成是一个数据库系统，而x m l 文本本身可以看成是数据 库中的数据区，d t d 或者s c h e m a 可以看成是数据库的模式库的处理 工具。当然，它还是缺少一些数据库所必需的东西。比如有效的存储 组织、索引结构、安全性、事务处理、数据完整性、触发器、多用户 处理机制等。 x m l 与数据库的存储与转换技术 由此可以看出，要想很好的处理x m l 数据，最好的办法就是和 现有发达的数据库技术相联系。于是，如何将现在的关系数据库数据 转换为x m l 文档，以便在i n t e r n e t 上进行传输，是一个非常热门的 研究课题。同时，企业为了保持现有的业务处理系统，不希望立即、 完全更改现在的数据存储形式。于是，如何将从i n t e m e t 上获取到的 x m l 文档的内容保存到已有的数据库中，也是急需解决的一个问题。 根据这种需求，研究实现x m l 与关系数据库转换系统，实现x m l 文档与关系数据之间的转换，是一个应用方向十分重要，应用领域十 分广阔的系统。因此，研究x m l 与数据库数据的双向转换，具有以 下几方面的意义【 j ： ( 1 ) 实现从关系数据库数据到x m l 文档的转换，就可以很容易 实现数据的w e b 化，提供更为全面的数据服务。而且当数据以x m l 形式存在时，就不会有各种异构数据库之间需要第三方工具进行转换 的问题。 ( 2 ) 实现从x m l 文档到关系数据库数据的转换，可以更好的管 理x m l 数据。虽然x m l 文档有很多优点，但是当文档很大时不但 不好管理而且不易查询。所以当数据转化为关系数据库的数据后，我 们就可以充分的利用关系数据库的成熟技术进行各种处理。 1 3 本文的组织 本文共分六章，第一章介绍了课题的研究背景、研究的目的及意义； 第二章介绍了半结构化数据、x m l 的相关技术以及x m l 与半结构 化数据的联系，并且介绍了x m l 与数据库的区别以及两者结合的重要 性； 第三章主要介绍了d o m 的存取机制和组成，以及d o m 树和d o m 的主要应用。第二、三章的内容作为第四、五章研究的基础； 第四章阐述了x m l 与关系数据库之间相互转换的技术，并对这种 技术进行了详细的分析和阐述，并通过仿真实验对其进行应用； 第五章从理论的角度论述了x m l 与数据库转换前后的函数依赖关 系，从理论上论证了x m l 与数据库进行转换的可行性。 硕十学位论文 第六章结论，对本文的研究工作进行了总结，并指出了进一步的研 究方向。 x m l 与数据阵的存储0 转换技术 第二章x m l 半结构化数据与数据库 2 1x m l 简介 x m l ( e x t e n d e dm a r k u pl a n g u a g e ) 4 1 作为一种新的、w w w 上的数 据交换标准，正在引起人们极大的关注。x m l 是标准通用标记语言 s g m l ( i s 0 8 8 9 7 ) 一个子集，用于支持i n t e m e t 上结构文档的交换。 和h t m l 相比，x m l 是面向内容的。x m l 因具有更多的语义、良 好的可扩展性、简单易用、自描述等特点而特别适用于w e b 上的数据 交换。可以预言，x m l 将成为数据和交换的事实标准；同时，大量 的x m l 数据也将很快出现在w e b 上。目前，对x m l 数据的存储和 查询方面的研究方兴未艾睁7 1 。x m l 数据模型与半结构化数据模型有 很多相似性。可以说，x m l 是w w w 上的半结构化数据。它既为半 结构数据的研究提供了广阔的应用前景，同时也推动了半结构数据研 究的发展。 x m l 具有以下主要性质： ( 1 ) 扩展性。x m l 是一种用于设计标记语言的原语言，而不是 像h t m l 那样，是一种只有一个固定标记集的特定标记语言。x m l 允许用户根据其需要创建自己的标记，这些标记可通过x i ld t d ( d o c u m e n tt y p ed e f i n i t i o n ) 加以定义，x m l 的可扩展性就在于此。 ( 2 ) 灵活性。x m l 提供了一种结构化的数据表现方式，从而使 用户界面与结构化数据相分离。 ( 3 ) 自描述性。x m l 文档通常包含一个文档类型( d t d ) 声明， 从而便于机器理解数据的意义。x m l 文档中的数据可被任何能够对 x m l 数据进行解析的应用程序提取、分析和处理，并以所需格式显 不。 对于x m l 文档而言，它是一个树状结构，如图2 1 所示。在树 根有一个根结点d o c u m e n t ，即文档本身。根结点下有三个结点，分 别为： 硕十学位论文 e x m l d e c l ：此结点下所包含的内容为x m l 文档的声明。 e d o c t y p e ：此结点下所包含的内容为文档类型定义，即d t d 。 e e l e m e n t ：此结点下包含了x m l 文档主体的所有内容，是文 档主体的根。子结点e l e m e n t n 可以有自己的下级子结点。 图2 1 捌l 文档树状结构 2 2 半结构化数据 2 2 1 半结构数据简介 目前，w w w 上存在着各种形式的数据，其数据结构的组织方式 也各不相同，一种极端情况是：完全结构化的数据，有非常良好的数 据库结构，如关系数据库、面向对象数据库中的数据。另一种极端情 况是：还存在着一些完全没有结构的数据，如声音文件、图像文件以 及原始的文本文件等。然而，现实世界中大多数数据则处于两种极端 情况之间，究其原因也是多方面的： ( 1 ) 数据可能是有结构的，但用户对其并不知晓； ( 2 ) 用户可能知道其结构，但为了浏览有意将其忽略掉； ( 3 ) 结构可能隐含在数据中( 如具有格式的文本文件中的数据) ， 而不是象传统d b 中那样，具有明显、严格及规整的结构； ( 4 ) 数据可能具有非传统的格式，如a s n 1 交换格式； ( 5 ) 数据的模式可能十分巨大且经常变化，因而不得不将忽略。 因此，人们提出了半结构数据的概念【7 1 。 w e b 数据的不断增长和异构数据源集成的应用，导致了大量半结 构数据的产生。这些数据的一个显著特点是结构隐含、不规则或不完整。 x m l 与数据序的存储与转换技术 例如，对于一个有关学生信息的w e b 页面集合，虽然每一个页面描述 的学生不同，但它们都包含了相似的信息( 学号、姓名、性别、年龄、 专业等) 。这一信息框架隐含在数据中，通常需要通过分析工具( 如文 本分析器等) 才能获得。由于没有严格的结构限制，有的页面可能会缺 少某些信息，而有的页面则可能会多出若干信息。另外，每条信息的表 达方式也可能不尽相同。例如对学生的专业表示，有的可能用表格形式 表示，而有的则可能使用一段有关专业情况的文字描述来表示。 从传统的关系d b 来看，数据结构不规整的原因是缺少预先定 义的、固定的、且独立于数据的模式框架。由于半结构数据是自描述 数据，数据中可能存在模式，但模式与数据间的界限模糊，新数据的 加入没有预先定义的模式约束，所以这种由数据描述的模式会随着数 据的不断增多而扩展。 综上所述，我们可以给半结构数据下一个定义：半结构数据是介 于严格结构化的数据( 如关系或面向对象d b 中的数据) 和完全无结 构化的数据( 如声音文件、图像文件等) 之间的数据形式。 半结构数据有其内在的结构，但这种数据可能表现得不规则、或 者其结构可能经常变化，甚至可能不完整并且同样的概念还可能使用 不同的类型表示。 2 2 2 半结构化数据的特点 半结构化数据具有如下一些特点： ( 1 ) 隐含的模式信息。半结构数据具有一定的结构，但其结构 与数据混在一起，没有显示的模式定义，如h t m l 文件。 ( 2 ) 不规则的结构。一个数据集合可能由异构的元素组成，例 如学生集合中某些学生有电子邮件地址，而另一些学生则没有。同样 的信息可能由不同类型的数据表示，例如某些姓名是字符串，而另外 一些则是由f i r s t n a m e 和l a s m a m e 组成的复杂结构。 ( 3 ) 无严格的类型约束。由于没有一个预先定义的模式，以及 数据在结构上的不规则性，所以缺乏对数据的严格类型约束。 总之，半结构化数据结构存在一定的结构，但这些结构或者没有 硕十学何论文 被清晰地描述，或者是经常动态变化的，或者过于复杂而不能被传统 的模式定义来表示。半结构化数据的模式与传统的关系或面向对象数 据的模式不同，主要有如下一些特点： ( 1 ) 对半结构化数据来说，是先有数据后有模式； ( 2 ) 半结构化数据的模式是用于描述数据的结构信息，而不是 数据结构进行强制性约束； ( 3 ) 半结构化数据的模式是非精确的，它可能只描述数据的一 部分结构，也可能根据数据处理的不同阶段的视角而不同。 ( 4 ) 半结构化数据的模式可能规模很大甚至超过源数据的规模， 而且会由于数据的不断更新而处于动态的变化过程中。 由于没有强制性的模式限制，使半结构数据具有很大的灵活性， 能够满足网络这种复杂分布环境的需要，但是也给数据处理带来了很 大的困难，使得数据处理的效率低下，很难具有实用性。传统的数据 库处理技术很难适应于这种半结构数据模型。半结构数据一般需要专 门的查询语言、更新方法及查询计算、对象集成、结构发现、查询分 解等技术。半结构数据的研究相对来说是一个较新的领域，其模式在 实际的数据处理中有着广泛的用途。 2 2 3x m l 与半结构数据 x m l 是标准通用标记语言s g m l ( i s 0 8 8 9 7 ) 一个子集，用于支 持i n t e m e t 上结构文档的交换。s g m l 即标准通用语言( s t a n d a r d g e n e r a l i z e dm a r k u pl a n g u a g e ) ，它是一种用标记来描述文档资料的通 用语言，它包含了一系列的文档类型定义。 x m l 是元标记语言，用户可以定义自己需要的标记。它描述的 是文档的结构和语义而不是页面元素的格式化，它的主要优点是 9 】： ( 1 ) 支持异质系统间的相互通信 x m l 使用的是公开的、非专有格式，允许不同专业开发与自己 特定领域有关的标记语言，不受版权、专利、商业秘密等知识产权的 限制。x m l 的开放性决定了它可以成为异质系统之间进行交流的媒 介，各系统只要装有x m l 解析工具，便可以理解以x m l 为中介由 x m l 与数据库的存储0 转换技术 其它系统传送的信息加以利用，而不用考虑对方的信息格式和使用特 殊的软件完成跨平台的交流，有力地促进了电子商务的发展。 ( 2 ) 保植性 x m l 是s g m l 的精简网络版。s g m l 是一种有着十几年历史 的国际标准。是一种用标记来描述文档资料的通用语言，它当初设计 的目标之一就是为文件提供较长的寿命，以保证新版的文书编辑软件 能够对旧版的文件忠实地再现。x m l 保留了这个特性，它是自描述 的，使用非常简单的数据格式，可以用纯a s c i i 文本来书写。同时， 与压缩文件和串行的j a v a 对象不同，即使丢失一部分数据仍是可以 读取的。 ( 3 ) 结构化和集成的数据 由于x m l 是数据驱动的标识语言，文档中的所有的内容几乎都是 数据和数据结构，只有关于x m l 解析器或包装程序用的指令不以数据 为主。因而，x m l 很容易进行精确检索，并可以根据多种来源集成数 据并将其作为一个文档来显示。数据可以进行重新排列，数据的各部 分可以根据用户的操作隐藏或显示，这有利于数据仓库的集成处理。 总之，和h t m l 相比，x m l 是面向内容的，它具有更多的结构 和更多的语义、良好的可扩展性、简单而易于掌握、自描述等特点， 适用于w e b 上的数据交换，所以我们认为x m l 将成为数据组织和交 换的事实标准，并且大量的x m l 数据将很快出现在w e b 上。x m l 与半结构化数据之间的对应关系是非常明显的，它实质上是半结构化 数据的一个特例。许多对于半结构化数据的模型和处理的研究可以明 显地应用到x m l 数据上，可以说，x m l 是w w w 上的半结构化数 据，它既为半结构化数据的研究提供了广阔的应用前景，同时也推动 了半结构化数据研究的发展。 对x m l 数据的有效存储和查询方面的研究是当前x m l 研究中 的重要而紧迫的问题。当前已有的半结构化数据( x m l 、b i t e x ) 存 储方式大致可分为三类： ( 1 ) 字节流方式 硕十学侮论文 这种方式也就相当于纯文本方式存储，x m l 特有的树结构被线 性化为字节流。该方式易于实现，当存储和检索整个文档时存取效率 较高。但是，每次查询文档时都必须通过分析器处理后才能获得结果， 而且所有被分析过的文档在查询过程中都常驻内存，以保持其结构信 息。相对我们的模式匹配方式的查询显然是一个不小的缺点。 ( 2 ) 元模型方式 它利用传统d b m s 及其数据模型来存储x m l 文档。例如，将结 点转换成r d b 中的属性。在这种情况下，它与结构化的数据库的交 互方式与d b m s 相同，有许多现成的应用程序可用。缺点是简单的 查询也需要多种开销，通过s q l 界面存取x m l 数据还导致与存取无 关的开销以及存储构造x m l 文本视图时速度较慢等。通常的做法是： 在逻辑数据层与物理层之问增加代理层，其代价是降低了查询速度。 这是当前在x m l 的存储研究中通常使用的方式。 ( 3 ) 混合方式 某种程度的数据细节被设置为“阂”，比这个粒度粗的结构被存储 在数据库中已结构化的部分，而更精细的部分被存储在数据库的字节 流化的对象部分。这种方式的特点是数据查询较快而数据库更新较慢。 2 3x m l 与数据库 目前所讲的x m l 数据库是一个能够在应用中管理x m l 数据和 文档的数据库系统。此x m l 数据库是一个x m l 文档及其部件的集 合，这些文档是持久的并且是可以操作的【l i t1 3 】。即x m l 数据库可以 对x m l 文档进行存储管理和数据查询，并通过一个能管理和控制 x m l 文档集合本身及其所表示信息的系统来维护的数据库。 目前，对x m l 数据库的存储有两种不同的观点：一部分人认为 x m l 只有按x m l 本身结构存储的数据库才是x m l 数据库( n a t i v e x m ld a t a b a s e ) ，另一部分人主张如果能实现对x m l 的存取则它就是 x m l 数据库( x m l e n a b l e dd a t a b a s e ) 地有一部分人主张两者的结合 ( h v b r i dx m ld a t a b a s e ) 下面分别介绍【9 j ： ( 1 ) n x d x m l 与数据库的存储与转换技术 n x d ( n a t i v ex m ld a t a b a s e ) 的根本设计目的显存储和处理x m l 文档。它的基本存储单元是x m l 文档。这种数据库维持原有文档的 数据结构和相关的元数据，而不关心数据的底层存储格式( 何种类型 数据库) ，只能通过x m l 特有的相关技术对数据进行存储。可以通 过在原文档的基础上建立相应的索引机制来提高检索效率。 ( 2 ) x e d b x e d b ( x m l e n a b l e dd a t a b a s e ) 的基本数据存储单元是x m l 文档中的数据，主要通过增加一个映射来管理x m l 数据的存储，它 是x m l 与数据库之间转换的桥梁。数据首先要与一个明确的格式相 匹配，符合要求的才能根据预先定义好的规则映射到数据库中，但可 能会损失一部分数据和最初的文档结构。同时可以从现有的数据库中 动态生成x m l 页面，但很难与当初存入的原始页面完全符合。 o r a c l e 8 i 、s q ls e r v e r 2 0 0 0 都不同程度地支持这种功能。 ( 3 ) h x d h x d ( h y b r i dx m ld a t a b a s e ) 根据具体应用，可以做n x d 也 可以做x e d b ，e x c e l o n 、o z o n e 就采用了该思想。 综上所述，n x d 方法保留了文档的原始结构和x m l 原有的优 点，存储简单，同时有利于对文档的进一步的数据挖掘。但信息的格 式、内容相对繁杂，索引建立庞大复杂。x e d b 方法将x m l 文档的 数据进行重新组织，存储相对规范，有利于在此基础上对信息进行电 子商务等方面的应用，但破坏了原文档的结构，很难恢复到原文档， 在存入关系数据库时要进行分解、映射等预处理。由于可以通过指定 的d t d 规范化x m l 文档并利用数据库技术中成熟的统计、并发事 务处理等技术，因而这种策略得到了广泛的应用。 实际上，x m l 本身并不是数据库，尽管x m l 中有数据，但是如 果不通过其它的软件来进行数据处理的话，它本身只不过是一个文本 文件。只有当x m l 被用于数据存储时，x m l 以及与之相关的技术结 合就组成一个数据库管理系统，该系统主要由以下四个部分组成： ( 1 ) d t d 或者s c h e m a s 是对x m l 数据库的逻辑模型的描述，对 硕十学位论文 x m l 数据库数据的存储、访问都要依据该模型进行： ( 2 ) x m l 文档相当于x m l 数据库的数据区，一个x m l 文档就 是一个基本的存储单元，相当于关系数据库中的一个表格； ( 3 ) x m l 中的x q u e r y 、x p a t h 、x q l 、x m l q l 、q u i l t 是数 据库查询语言； ( 4 ) s a x 、d o m 相当于数据库管理工具，实施对x m l 数据库 的编辑、管理以及与其它语言的编程接口功能。 2 3 1x m l 与数据库的对比 从上面的论述我们知道，x m l 本身不是数据库，如果以数据库 观点，x m l 文档可看作是数据库，它的d t d 看作是数据库的模式， 数据库的模式描述了数据库的结构，指数据库管理的数据实体的类 型、特征、实体间联系的表示。d t d 描述文档的结构，非常类似数 据库模式描述了数据类型和属性间的关系，它定义了所允许的元素类 型、属性和实体，并表述对它们的组合方式的约束条件。在数据库系 统中，数据模式存储在数据目录( 系统数据字典) 中，是数据目录的 最基本内容，d b m s 通过数据目录来管理和访问数据模式。 传统数据库技术与x m l 技术有很多相似之处，表2 。1 是它们之 间的一个简单的对比。 表2 - 1 x m l 与数据库比较 比较参数数据库 x m l 数据有结构半结构 模型网状、关系、面向对象等 半结构化( 图或树状结构) 模式数据目录( 系统数据字典中) d t d 、x m l - s c h e m a 等 显示样式 简单 丰富、由x s l 、c s s 指定 查询语言s q lx q u e r y 、x m l q l ( 类s q l ) 查询规范完备的完备的 数据更新完全支持代理软件支持 编程接口j d b c 、o d b c 等 d o m 、s a x 事务支持尚不支持 使用面向应用面向应用、面向人 x m l 与数据库的存储与转换技术 2 3 2x m l 与数据库的结合 从严格的意义上来说，x m l 本身不是数据库，x m l 仅仅意味着 x m l 文档。尽管一个x m l 文档包含数据，但是如果不通过其它的 软件来进行数据处理的话，它本身只不过是一个文本文件。所以x m l 本身不能和数据库挂上钩，但是加上一些辅助工具，可以把整个x m l 看成是一个数据库系统，x m l 文本本身可以看成是数据库中的数据 区，不过x m l 还缺少很多在真实的数据库中所必备的内容：有效的 存储、索引、安全、多用户访问、触发等。而在w e b 设计中，信息 存储多以后台数据库为核心，这就使x m l 与数据库的相互映射应用 浮出水面。事实上，正是由于x m l 与数据库的结合，才使得x m l 技术逐步成为第二代的w e b 语言和电子商务的标准平台，以及成为 网上数据交换的标准。 目前，x m l 数据库存在以下缺点u _ 7 】： ( 1 ) x m l 数据库没有足够强大的科技力量与关系数据库抗争。 关系数据库具有数据结构化、最低冗余度、较高的程序和数据独立性、 易于扩充、易于编制应用程序等优点。而x m l 数据库缺乏多重管理、 协同工作能力、规划能力、易用性，这些好处恰恰是大型数据库所拥 有的优点。 ( 2 ) x m l 数据库缺乏明确的标准。x p a t h 查询语法不支持组、 排列和摘要数据等功能，功能更强的x q u e r y 查询语言仍然仅仅是一 个设计表格。更有甚的是x q u e r y 正式化的时候，依然不支持数据更 新、插入和删除等功能。 ( 3 ) 版权问题。由于x m l 数据库生产厂商和销售商拥有对x m l 数据库查询语言和编程界面的所有权，所以如果x m l 数据库存在问 题，采用x m l 数据库的用户就必须等待，直到这些问题被数据库生 产厂商解决为止。 目前代表业界最新动态的几个主流数据库产品，如o r a c l e 9 i 、s q l s e r v e r 2 0 0 0 、2 0 0 5 都支持x m l 技术，s q ls e r v e r 以两种方式支持 x m l ：通过s q ls e r v e r 本身的功能，以及通过发布称为s q lx m l 硕十学位论文 的额外的功能。下面就s q l s e r v e r 本身的功能作一些分析。s q l s e r v e r 所固有的x m l 功能：可以通过h t t p 、模板查询、f o r x m l 子句和 o p e n x m l ( ) 函数来访问s q l s e r v e r 。 ( 1 ) 通过h r r p 访问s q ls e r v e r 数据库。首先设置虚拟目录： 在“开始”菜单中找到“s q ls e r v e r ”，然后找到 c o n f i g u r es q lx m l s u p p o r ti ni s s ”，指定虚拟目录的名称、物理名称、服务器名称、数据 库名称和注册信息。 例：设置一个n o r t h w i n d 的虚拟目录。 h t t p ：l o c a l h o s t n o r t h w i n d ? s q l = s e l e c t + 宰+ f r o m + s h i p p e r s + f o rx m l + a u t o ，e l e m e n t s + & r o o t = s h i p p e r s ( 2 ) 在h t t p 上调用一个模板查询。一个模板查询就是一个包含 s q l 查询的x m l 文件，模板作为文件保存在服务器上。因此，如果 在一个叫做g e t s h i p p e r s x m l 的模板中封装了s h i p p e r s s e l e c t 查询。那 么，u r l 查询的形式如下： h t t p ：l o c a l h o s t n o r t h w i n d t e m p l a t e s g e t s h i p p e r s x m l 其中模板可以带参数。 ( 3 ) 用f o rx m l 子句将数据读取成x m l 格式。该方法从s q l s e r v e r 表中返回数据，可以把它们看做x m l 数据。相应的语法为： s e l e c t f r o m w h e r e o r d e r b y f o r x m l ( r a w l a u t o ，e l e m e n t s i e x p l i c i t ) 通过指定3 种模式r a w ，a u t o 和e x p l i c i t 之一，就可返回具有一定样 式信息的数据。 r a w 模式将结果中的每个记录作为一个普通的行元素来返回，它 被包含在一个 标签中，并将每个列的值作为一个属性。 a u t o 模式将每个记录作为行元素返回，根据源表或视图对它进 行命名。如果查询从一个表返回多个列，那么每个列的值就会被作为 表元素的属性来返回。另外，还可以配合使用，e l e m e n t s 参数，从 而指定表格中的列映射为独立的元素。 e x p l i c i t 模式可以指定返回的x m l 树的结构，来提供对返回的文 x m l 与数据库的存储，转换技术 档格式的全面控制；x m l 各个列字段都可以独立地映射为属性或子 元素，支持强制性的嵌套，可以生成i d i d r e f 从而高效的表达多对 多的关系，还支持元素间的平行关系。 ( 4 ) o p e n x m l ( ) 函数可以像操作表那样返回x m l 数据，可以 转换成内存中的一个r o w s e t 。要运用r o w s e t ，首先要调用 s px m l存储过程，实际上，它将 解析成一_ p r e p a r e d o c u m e n t x m l 个数据树，并将那个数据的句柄传递到o p e r t x m l ( ) 函数。o p e n x m l ( ) 函数可以带有三个参数：用于x m l 文档内部显示的句柄，一个 r o w p a t t e r n 参数和一个f l a g s 参数。r o w p a t t e m 参数指定了应该返回原 始的x m l 文档中的哪些结点。f l a g s 参数指定了以属性为中心的映射 ( 结果集中列名符合属性名) 或以元素为中心的映射( 结果集中列名 符合元素名) 。在处理完x m l 数据后，可以调用s px m lr e m o v e d o c u m e n t 将x m l 数据从内存中删除。 由以上的分析可知，正是由于关系数据库拥有强大的功能、良好 的结构特征支持x m l ，所以x m l 与关系数据库的结合将是一种必 然。 2 4 本章小结 本章首先简单介绍了x m l 的概念和基本特征，指出了x m l 是 一种半结构数据，然后介绍了半结构数据的基本特点，和传统关系数 据的区别，分析了x m l 与半结构化数据之间的联系。x m l 就其本 身而言不是数据库，它必须依赖传统数据库存储数据，才能广泛地运 用到w e b 中。从传统数据库对x m l 的支持，最后分析了关系数据库 和x m l 的结合将是必然趋势。 硕十学位论文 第三章d o m 的应用 3 1 引言 x m l ( e x t e n s i b l em a r k u pl a n g u a g e ，可扩展标记记语言) 是w 3 c 推荐在w e b 上数据表示和交换标准，是s g m l 的简化版本。作为 s g m l 语言标准的一种改进