（计算机应用技术专业论文）保留语义约束的关系模式到xml+schema转换的研究与实现.pdf

摘要 随着i n t e r n e t 的迅速发展，电子商务等深层次的应用迅速崛起，人们对 i n t e r n e t 上的信息进行深层次处理的要求迅速提高。对信息管理和信息交换的 需求更是空前强烈和迫切，使得已在传统商业处理领域内趋于成熟的数据库技 术，面临着许多新的问题和挑战。它给数据库技术提出了一个必须面对的重要问 题：即如何有效地存储和管理w e b 上以指数增长的数据( 文档) ，使它们既能被 高效地操作和维护，又能在w e b 这个平台上方便地表示和交换，这是一个值得研 究的问题。 x m l 数据作为一种自描述的半结构化数据为w e b 的数据管理提供了新的数据 模型，x m l 在数据应用方面上具有易表义、跨平台等优势，x m l 已经快速发展为 w e b 上数据表示、集成和交换的标准。i n t e r n e t 上越来越多的数据表示为x m l 文档，但是，当今大多数商业数据还是存储和管理于关系数据库中。事实上，由 于关系数据库的优势，如技术成熟、应用广泛；数据管理能力强( 包括存贮、检 索、修改等) ；数据安全程度高；稳定可靠的并发访问机制等，x m l 尚不能代替 关系数据库。x m l 同数据库技术结合体现了一种趋势，目的就是如何使数据更通 用，能被异构系统、任何应用都接受。如何将关系数据库中数据转换成适于 i n t e r n e t 和w e b 的形式，需要相当的工作量。因此，为基于i n t e r n e t 的应用程 序将关系数据高效准确的自动转换发布为x m l 数据就成了研究的热点。 本文针对大量i n t e r n e t 应用程序需要将关系数据高效准确的转换发布为 x d l 数据的问题，在大量研究国内外研究成果、分析关系模式与x m ls c h e m a 的 语义约束的基础上，通过对目标关系数据库关系模式和关联约束的分析，将关系 模式表示为一般形式，归纳其在x m ls c h e m a 中的等价形式，提出关系语义图、 元素有向树和s c h e m a 树的概念，通过将关系模式重构为关系语义图，转化为元 素有向树，再合并元素有向树集合为s c h e m a 树，最后生成x l v i ls c h e m a 文档，提 出了_ 套从关系数据模式到x m ls c h e m a 的转换规则和算法，将目标数据库的结 构和语义约束完整的保留到x m ls c h e m a 中，并使转换后的x m ls c h e m a 达到高度 的嵌套。 ： 关键词：模式转换；x m l ；x m ls c h e m a ；关系数据库 a b s t r a c t w i t ht h ed e v e l o p i n go fi n t e r n e t ，f a s ts p e e d yo fe - b u s i n e s s ，p e o p l e n e e di m p r o v et h et e c h n o l o g yf o ri n f o r m a t i o nm a n a g i n gi nh i g hl e v e l q u i c k i n f l a t i o no ft h ea m o u n to fi n f o r m a t i o nh a st a k e np l a c ea n dt h e r eh a sa n i n c r e a s i n gn e e df o re f f i c i e n t l ym a n a g i n ga n de x c h a n g i n gd a t a ，s ot h e m a t u r er e l a t i o n a ld a t a b a s et e c h n o l o g yw o u l db e i nf a c eo fm a n yn e w p r o b l e m sa n dc h a ll e n g e i tp u t sf o r w a r da ni m p o r t a n tp r o b l e mt h a tt h e d a t a b a s et e c h n i q u em u s tf a c e ：h o wt oe f f i c i e n t l ys t o r ea n dm a n a g ed a t a o nt h ew e ba n dh o was u b s t a n t i a la m o u n to fc o n v e n t i o n a lr e l a t i o n a ld a t a t ob ec o n v e r t e do rp u b li s h e da sx l ld a t a t h i sr e s e a r c hi sad e s e r v i n g t o p i c x m lh a sb e c o m et h es t a n d a r df o rp u b l i s h i n ga n de x c h a n g i n gd a t ao n t h ew e b h o w e v e r ，t h eu n d e r l y i n gd a t ai so f t e ns t o r e di nt h er e l a t i o n a l d a t a b a s e s i nf a c t ，b e c a u s eo fs t r o n g p o i n ti nr e l a t i o n a ld a t a b a s es y s t e m ， x m lc a nn o tr e p l a c et h er e l a t i o n a ld a t a b a s es y s t e my e t s oi ti sat e n d e n c y t h a tx m lc o m b i n e dw i t hr e l a t i o n a l d a t a b a s es y s t e m s o m em e c h a n i s mi sn e e d e dt oc o n v e r tt h er e l a t i o n a ld a t ai n t ox m ld a t a b ya n a l y z i n gs c h e m aa n dc o r r e l a t i o nc o n s t r a i n t sd e f i n e di nt h et a r g e t d a t a b a s es c h e m aa n ds u m m i n gu pt h ec o r r e s p o n d i n gf o r mi nx m ls c h e m a ，w e p r o p o s ec o n c e p t so fr e l a t i o n a ls e m a n t i cg r a p h ( r s g ) ，e l e m e n t a ld i r e c t e d t r e e ( e d t ) a n ds c h e m at r e e ( s t ) w eb u il dar s gf r o mr e l a t i o n a ls c h e m a ， a n dt u r ni tt oas e to fe d t t h e nw ei n t e g r a t et h es e to fe d ti n t oas t a n do u t p u ti tt oad o c u m e n to fx m ls c h e m a i nt h i sp a p e r ，w ep r o p o s ea s e to fr u l e sf o rt r a n s f o r m i n gar e l a t i o n a l d a t a b a s es c h e m ai n t ot h e c o r r e s p o n d i n gx m ls c h e m aa n dp r e s e r v es t r u c t u r ea n da l li n t e g r i t y c o n s t r a i n t sa n da c h i e v eh i g hl e v e lo fn e s t i n gi nt h et r a n s f o r m e dx m l s c h e m a k e yw o r d s ：s c h e m at r a n s f o r m a t i o n ；x m l ；x m ls c h e m a ；r e l a t i o n a ld a t a b a s e s i i 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工 作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地 方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含 为获得或其他教育机构的学位或证书而使用过的材料。与我一同工作 的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表 示谢意。 学位论文作者签名：签字日期：年月 日 学位论文版权使用授权书 本学位论文作者完全了解江西师范大学研究生院有关保留、使用 学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印 件和磁盘，允许论文被查阅和借阅。本人授权江西师范大学研究生院二 可以将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、汇编学位论文。 ， ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名： 签字日期：年月日 导师签名： 签字日期：年 月 日 保留语义约束的关系模式到x m ls c h e m a 转换的研究与实现 第一章绪论 1 1 研究意义 上个世纪9 0 年代以来，i n t e m e t 的飞速发展使人类社会的信息量迅速膨胀，对 信息管理和信息交换的需求更是空前强烈和迫切，使得已在传统的商业处理领域 内趋于成熟的数据库技术，面临着许多新的问题和挑战。它给数据库技术提出了 一个必须面对的重要问题：即如何有效地存储和管理w e b 上以指数增长的数据 ( 文档) ，使它们既能被高效地操作和维护，又能在w e b 这个平台上方便地表示 和交换，这是一个值得研究的问题。2 一 x m l 技术在数据应用方面具有很多优点。第一，跨平台。x m l i 】文件为纯 文本文件，不受操作系统、软件平台的限制；第二，易表义。x m l 具有基于s c h e m a 自描述语义的功能，容易描述数据的语义，这种描述能为计算机理解和自动处理。 第三，x m l 的一个重要特点是它的结构性，x m l 不仅可以描述结构化数据，还 可以有效描述半结构化，甚至非结构化数据。这就使得x m l 可以作为表示和存 储数据的手段。 但另一方面，x m l 技术在数据管理方面存在明显缺点。首先，x m l 技术采 用的是基于文件的管理机制，文件管理存在着容量大、管理困难的缺点；第二， 目前x m l 的检索是基于节点的检索，存放大量甚至海量数据的x m l 文件造成检 索速度极低；第三，解析手段有缺陷。x m l 具有两种解析机制，s a x 方式是基 于文件的解析，速度慢，d o m 方式是基于内存的方式，资源消耗极大；第四， 修改效率低，目前x m l 的修改是基于节点的；最后，x m l 的安全性及并发操作 机制也是需要解决的问题之一。 “ 总体上看，蹦l 在数据应用方面上具有易表义、跨平台等优势，x m l 已经 快速发展为w e b 上数据表示、集成和交换的标准。i n t e m e t 上越来越多的数据表 示为x m l 文档，但是，当今大多数商业数据还是存储和管理于关系数据库中： 事实上，由于关系数据库的优势，如技术成熟、应用广泛，数据管理能力强( 包 括存贮、检索、修改等) ，数据安全程度高，稳定可靠的并发访问机制等，x m l 尚不能代替关系数据库。 如何将关系数据库中数据转换成适于i n t e m e t 和w e b 的形式，需要相当的工作 量。时至今日，虽然从c g i 、s e r v e ra p i 、s c r i p t s 至u j a v a 等出现了许多解决方法， 并且已在实际应用中取得了很大的成就，但仍有问题存在，比如在这些应用系统 中，都是为特定的应用编写相应的程序，不同的应用系统之间的实现可能不同， 那这样就没有了通用性，所以每个应用都必须重复的去编写程序。 硕士学位论文 因此，为基于i n t e r n e t 的应用程序将关系数据高效准确的自动转换发布为 x m l 数据就成了研究的热点。 1 2 国内外研究进展 、 目前，国内外关于x m l 文档与数据库中的信息转换，己做了大量的研究工 作，引起了从高校科研院所到商业数据库公司，从政府部门到自由撰稿人的广泛 关注，其中具有的代表的有美国s t a n f o r d 大学的l o r e 项目，法国国家信息与 自动化研究所a g o r a 项目，还有加拿大多伦多大学的t o x 项目等等。相比之下， 国内相关研究则起始于新世纪之初，其中复旦大学、清华大学、西南交通大学等 等都进行了相关的研究。所探讨的方法可归纳为以下两种： 1 基于模板的转换：用预先定义好的x m l 数据模板，创建关系数据的x m l 视图。 例如，s i l k r o u t e 2 】用一种关系到x m l 转换语言r x l 定义关系数据库的x m l 视 图。x p e r a n t o 3 , 4 j 也是用类似的方法。这些技术支持以标准的x m l 方式 ( 如通过x q u e r y t 5 】) 对关系数据源进行查询，在一定程度上实现了关系数据 到x m l 数据的映射或转换，不过它们主要是将关系数据库作为x m l 的存 储手段，重点不在于这两种数据的动态转换。这些方法都摒弃了x m l 模式 ( d t d 、x m ls c h e m a 等) 的作用，关系数据中的约束得不到保持。 2 基于结构的转换：没有预先定义的x m l 数据模板，而是根据关系数据的结构 动态生成x m 蜞式，在根据生成的模式转换为x m l 文档。 主要成果有 d b 2 x m l 5 】中一一对应的f t 算法，d r l e e 提出的n e t 【6 】算法使用反复嵌套操 作来生成蹦l 模式和c o tf 7 】算法中考虑了关系模式和外关键字约束， x v i e w s 8 】构造基于主、外键的图来产生x m l 候选视图。在文献【9 】中及他们的 x r 1 0 】方法全面的进行了l 与数据库概念和映射模式的比较，并提出了 三种基本映射模式。这些算法都是以d t d 为目标模式，并且都没有完整的保 持关系数据的语义约束。 随着x m ls c h e m a 被w 3 c 确定为煳蜞式的推荐标准，x m ls c h e m a 以其众 多优点正在逐渐代替d t d ，而且x m ls c h e m a 丰富的数据类型和约束信息非常适 合作为关系模式转换为x m l 的目标模式。 以往算法研究主要都是针对相对简单的d t d 与关系模式之间的相互转化问 题展开的，研究x m ls c h e m a 与关系模式的映射转化问题还很少。尽管x m l s c h e m a 的语法结构远比d t d 复杂，但其比d t d 更具有表现力、更适应于各领域 应用的使用，能够更好地表达关系数据的结构和语义约束。 在关系模式与x m l 映射转换研究中，由于x m l 和关系模式表示的语义、结 构关系的机制、方式不尽相同，特别是x m l 语言，s c h e m a 描述有很强的自由度 和表现力，它们的数据语义约束信息在提取、映射、转换等方面的困难性，造成 现有x m l 与关系数据转换的映射算法存在缺陷。他们仅仅考虑了数据结构信息 2 保留语义约束的关系模式到x m ls c h e m a 转换的研究与实现 上的转换，忽略了数据语义约束的保留。保留约束条件的模式转换还处于研究阶 段，还没有一种行之有效的方法。关系模式与x 2 d l 映射转换的语义完整性，通 用性，双向性及算法等都有待进一步研究。 1 3 本文的研究内容 针对大量i n t e r n e t 应用程序需要将关系数据高效准确的转换发布为x m l 数 据的问题，在大量研究国内外研究成果和分析关系模式和x m ls c h e m a 的语义约 束的基础上，本文通过对目标关系数据库的关系模式和关联约束的分析，将关系 模式表示为一般形式，归纳其在x m ls c h e m a 中的等价形式，提出关系语义图、 元素有向树和s c h e m a 树的概念，通过将关系模式重构为关系语义图，转化为元 素有向树，再合并元素有向树集合为s c h e m a 树，最后生成x m ls c h e m a 文档，提 出了一套从关系数据库模式到x m ls c h e m a 的转换规则和算法，将目标数据库的 结构和语义约束完整的保留到x m ls c h e m a 中，并使转换后的) o i ls c h e m a 达到高 度的嵌套。 1 4 论文的组织与结构 第一章主要介绍关系模式到x m ls c h e m a 转换研究的背景、意义、研究的 动态和本文的主要研究内容，最后，简单地对本论文的组织与结构进行说明。 第二章通过大量文献的阅读和总结，详细介绍) f i v i l 技术的发展、特点、结， 构以及相关技术规范。 第三章本章主要对x i v i l 与关系数据库进行比较，总结他们的异同和优缺点， 并对关系模式和x 2 m ls c h e m a 的语义约束进行分析。最后介绍关系模式到l 转 换研究的一些成果。 第四章本章主要在对关系模式及其语义约束的研究基础上，从关系数据库 提取关系模式并对其重构，结合x m l 嵌套的特点，以x m ls c h e m a 为目标模式， 提出从关系模式到x m ls c h e m a 的转换规则，以及算法实现。 第五章本章介绍关系模式到删ls c h e m a 的转换系统原型的设计与实现， 设计部分包括对设计思路，对象模型，以及框架结构的阐述。并用部分截图对模 式获取、转换结果和一些其他功能设置进行比较直观的演示和说明。 第六章总结当前工作和展望下一步的工作。 3 硕士学位论文 第二章x m l 及其相关技术 2 1x m l 概述 x m l 即为“可扩展的标记语言”( e x t e n s i b l em a r k u pl a n g u a g e ) ，是一套定义 语义标记的规则，这些标记将文档分成许多部件并对这些部件加以标识。是由万 维网协会( w 3 c ) 设计，特别为w c b 应用服务的s g m l t i l 】( s t a n d a r dg e n e r a lm a r k u p l a n g u a g e ) 的一个重要分支，x m l 作为s g m l 的最小完备子集继承了s g m l 的强 大功能而且剥除了繁琐的定义，用来弥补h t m l 作为网络标准语言的不足。x m l 结合了s g m l 和h t m l 的优点并消除其缺点，使其在w e b 应用中既能利用s g m l 的长处，又保留了h t m l 的简单性。x m l 实际上是s g m l 的一个子集，它保持了 对现有的面向s g m l 的系统的向下兼容性，与w e b 的结合也使得它们更便于被访 问。x m l 与h t m l 的比较如表2 1 。 一 。 表2 1x m l 与h t m l 的比较 比较内容 h t m lx m l 扩展性固定格式的标记，很难扩展用户自定义的标记，扩展方便 交互性不容易实现一般数据处理所可以很方便地实现一般处理 需要的交互访问功能：如排序、过滤等 语义表达无法表达语义语义表达功能丰富 异构信息交互实现非常困难信息交互的实现非常容易 搜索功能搜索不准确，垃圾信息太多可以实现准确无误的搜索 w e b 应用只能用于显示w e b 页面可以完成多种灵活的w e b 应 用：如本地计算与处理、数据 的多样显示、粒状更新 文档格式要求比较灵活要求严格 显示集成了数据与显示显示与数据相分离 2 1 1x m l 文档结构 x m l 是一种基于文本的格式，每一个x m l 文档都有其物理结构和逻辑结构。 物理上而言，文档由称为实体的单元组成【1 2 】。一个实体可v a 云j i p f l ( r e f e r ) 其他实体， 将它们包含在文档中。文档开始于“根( r o o t ) 一或文档实体。然后是一些嵌套的 元素结构，元素中包含的可以是属性，也可以是子元素，或者数据文本。下面是 一个x m l 文档的示例。逻辑上而言，x m l 文档由文档类型声明、元素、注释、 实体引用和处理指令组成，所有这些都在文档中用显式标记指明。 4 保留语义约束的关系模式到x m ls c h e m a 转换的研究与实现 x m l 文档示例： x m l 网页开发实例教程 机械工业出版社 、 2 3 0 0 从示例中可以看出x m l 文档是树型结构。这一树型结构既可以表示结构化 数据( 如关系数据、面向对象数据等具有严格结构的数据) i 又可以表示半结构化 数据，而且可以支持多媒体数据，具有很大的灵活性。 文档类型声明用来详细地说明文档信息，其中包括文档根元素和文档类型定 义f b t d ) 。 元素是x m l 文档的主要逻辑单元，它们的边界用起始标签和结束标签分 隔，对于空元素，则用一个空元素标签分隔。元素可以包含字符数据或 嵌套了元素，同时它还可以有一个属性值说明集。每一个属性有一个名 字和一个值。 注释被用来提供文件数据说明，以 ! 一开始，一结束，可以出现在文档 中任何地方。 实体引用在x m l 中被用来为数据片赋予别名。在& 和；之间加上实体名 称，即可引用实体。 处理指令是由处理x m l 文档的应用程序使用的特殊指令，x m l 解析器并 不处理它们，而将它们直接返回给应用程序。处理指令通常以 结束。 2 1 2x m l 的优缺点 x m l 的优势之一是它允许各个组织、个人建立适合自己需要的标记集合， 并且这些标记可以迅速地投入使用。这一特征使得x m l 可以在电子商务、政府 文档、司法、出版、c a d c a l v l 、保险机构、厂商和中介组织信息交换等领域中 一展身手，针对不同的系统、厂商提供各具特色的独立解决方案。x m l 的最大 优点在于它的数据存储格式不受显示格式的制约。一般来说，一篇文档包括三个 要素：数据、结构以及显示方式。对于h t m l 来说，显示方式内嵌在数据中，这 样在创建文本时要时时考虑输出格式，如果因为需求不同而需要对同样的内容进 行不同风格的显示时，要从头创建一个全新的文档，重复工作量很大。此外h t m l 缺乏对数据结构的描述，对于应用程序理解文档内容、抽取语义信息都有诸多不 便。x m l 把文档的三要素独立开来，分别处理。首先把显示格式从数据内容中 独立出来，保存在样式单文件( s t y l es h e e t ) 中，这样如果需要改变文档的显示 方式，只要修改样式单文件就行了。x m l 的自我描述性质能够很好地表现许多 硕士学位论文 复杂的数据关系，使得基于x m l 的应用程序可以在x m l 文件中准确高效地搜索 相关的数据内容，忽略其他不相关部分。x m l 还有其他许多优点，比如它有利 于不同系统之间的信息交流，完全可以充当网际语言，并有希望成为数据和文档 交换的标准机制。总体说来，x m l 主要具有以下一些重要特性： 1 ) 可扩展性：x m l 让使用者创建和使用他们自己的标记而不是h t m l 的有 限词汇表。可扩展性是至关重要的，企业可以为电子商务和供应链集成 等应用x m l 定义自己的标记语言，甚至特定的行业也可以一起来定义该 领域的特殊的标记语言作为该领域信息共享与数据交换的基础。 2 ) 灵活性：x m l 提供了一种结构化的数据表示方式，使得用户界面分离于 结构化数据。在x m l 中可以使用样式表如x s l t ” ( e x t e n s i b l es t y l e s h e e t l a n g u a g e ，扩展样式表语言) 、c s s 2 t 4 ( c a s c a d i n gs t y l es h e e t sl e v e l 2 ，层 叠样式表第2 阶) 将数据呈现到浏览器中。 3 )自描述性：x m l 文档通常包含一个文档类型声明，因而文档是自描述的， 不仅人能读懂x m l 文档，计算机也能处理。x m l 文档中的数据可以被 任何能够对x m l 数据进行解析的应用所提取、分析、处理，并以所需格 式显示，x m l 表示数据的方式真正做到了独立于应用系统并且这些数据 能重用。 4 ) 简明性：x m l 只有s g m l 约2 0 的复杂性但具有s g m l 功能的约8 0 。 ，同完整s g m l 的相比，x m l 简单、易学、易用，并且易实现。 当然，x m l 作为一个新建立的标准，还有许多不足之处：它在强调了数据 结构的同时，语义表达能力上略显不足。另外，x m l 的有些技术尚未形成统一 的标准，充分支持x m l 的应用处理程序还不多，甚至浏览器对x m l 的支持也是 有限的。尽管如此，我们仍然可以预言，随着人们对x m l 认识的逐渐深入，x m l 必将成为网络技术中不可缺少的一员。 2 2x m l 文档模式 x l 的文档数据模式定义方法有很多，其中比较常用的是d t d 和x m l s c h e m a 。它们限定了文档中使用的元素标记、出现顺序、嵌套层次以及包含的 属性。只有语法正确并且符合d t d 或x m ls c h e m a 的x m l 文档才是有效的。 2 2 1d t d d t d 1 5 1 是d o c u m e n tt y p ed e f i n i t i o n ( 文档类型定义) 的简称。它是一套关于标 记的语法规则，详细描述一组x m l 文档的结构。d t d 由文档模型提供规则的声 明所组成。每个声明包括元素、属性集、实体或表示法。这四种声明类型构成了 任意d t d 块： 元素声明：标识元素的名称和元素内容的特性。 6 保留语义约束的关系模式到x i d ls c h e m a 转换的研究与实现 属性声明：标识元素具有的属性、属性类型、值域默认值等。 实体声明：把一个名称关联到内容的其他某个片段上，该片断可以是一 个正规的文本块、一个文档声明块或一个指向某个含有文本或二进制数 据的外部文件的引用。 表示法声明：表示具体类型的外部数据。 示例x m l 文档对应的d t d 如下所示： 、 d t d 可以内嵌在x m l 文档的首部，也可以作为一个单独的文档由u r l 指定。 x m l 文档可以建立一个内部d t d ，此内部d t d 定义应位于x m l 文档的声明与 x m l 文档主体之间。 。 d t d 的功用很多：定义内容模式，限制范围，属性的数据类型。但它也有着 一些缺点，如采用了非x m l 的语法规则，不支持多种多样的数据类型，扩展性 较差，不支持名称空间( n a m e s p a c e ) 等等。因此，w 3 c 又推出了x m ls c h e m a 规范。 2 2 2x m ls c h e m a x v ls c h e m a 1 6 1 8 1 如同d t d 一样，负责定义和描述x m l 文档的结构和内容模 式。它是针对d t d 的缺点而设计的，它可以定义x m l 文档中存在哪些元素、元 素之间的关系，并且可以定义元素和属性的数据类型。x m ls c h e m a ：才s ：身是一个 x m l 文档，它符合x m l 语法结构。可以用通用的订l 解析器解析它。事实上x m l s c h e m a 也是x m l 的一种应用，它是将d t d 重新使用x m l 语言规范来定义。这从 某种意义上讲正好体现了x m l 自描述性的优点。 示例x m l 文档对应的x m ls c h e m a 文件为： q 。 7 硕士学位论文 与d t d 相比，x m ls c h e m a 具有如下一些优点： 1 ) 一致性：s c h e m a 建立在x m l 之上，它的样子和一般的x m l 文件完全相 同，使得x m l 达到了从内到外的完美统一。另一方面，因为s c h e m a 本 身也是一种x m l ，可以被现有的x m l 编辑制作工具所编辑、被x m l 语 法分析器所解析、被x m l 应用系统所利用，既有投资得到了最大程度的 、保护。 2 ) 扩展性：s c h e m a 中引入了丰富的数据类型，它们包括：布尔型，数字， 日期时间，u r l ，整数，十进制数，实数，时间段，等等。而且它还支 持由这些简单的类型生成复杂的类型，以及由用户定义的数据类型( 原 型) 。 3 ) 易用性：x m ls c h e m a 取代d t d 的另一个原因要归结于d o m 1 9 1 和s a x t 2 0 】 【2 l l ( 关于d o m 和s a x 的概念将在后面介绍) 。作为一种x m la p i ，d o m 和s a x 只是对x m l 实例文档有效，对于d t d 则无能为力，不能期望通过 d o m 或s a x 来判定一个元素的属性类型或者某个元素的子元素允许出 现的次数( 当然，这都是x m l 分析器的本职工作) 。但是，一旦有了 s c h e m a ，这个问题便不复存在，因为此时对于x m l 文档结构的描述已 变成为s c h e m a j 塞_ 种“形式良好的 x m l 文档，可以方便地d o m 和s a x 去访问。 4 ) 规范性：同d t d 一样，s c h e m a 也提供了一套完整的机制以约束x m l 文 档中标记的使用，但相比之下，后者基于x m l ，更具有规范性。s c h e m a 利用元素的内容和属性来定义x m l 文档的整体结构，如哪些元素可以出 现在文档中、元素间的关系是什么、每个元素有哪些内容和属性、以及 元素出现的顺序和次数等等，一目了然。 5 ) 支持名称空间。， 6 ) 互换性：每个人都可根据需要设计适合自己应用的s c h e m a ，并且可以同 其他人交换彼此的s c h e m a 。利用s c h e m a f l 皂够书写x m l 文档，验证文档 的合法性。另外，通过映射机制，还可以将不同的s c h e m a 进行转换，以 实现更高层次的数据交换。 2 3x m l 的相关规范 自从l 1 0 规范发布之后，x m l 的有关技术规范不断涌现，w 3 c 在1 9 9 9 年 先后推出- j n a m e s p a c e si nx m l ( 订l 中的名字空间) ，c s s 2 等推荐标准。- 与x m l 有关的重要技术规范还包括和d o m 【1 9 1 、x l i n k 2 2 1 、x p a t h 2 3 1 、x q u e r y l 2 4 】【2 5 】、x s l 8 保留语义约束的关系模式到x m ls c h e m a 转换的研究与实现 等。 2 3 1d o m 与s a ) ( 为了使) u v l 应用开发能够独立于x m l 分析器，w 3 c 和x m ld e v m g 件列表成 员分别提出了两个标准应用程序接口：d o m 和s a x 2 0 1 【2 l 】( s i m p l ea p if o rx m l ) 。 d o m 和s a x 在应用程序开发过程中所处地位如图2 1 所示。从图中可以看出，应 用程序不是直接对x m l 文档进行操作的，而是首先由l 分析器对x m l 文档进 行分析，然后，应用程序通过x m l 分析器所提供的d o m 接口或s a x 接口对分析 结果进行操作，从而间接地实现了对x m l 文档的访问。这些接口由不同的分析 器实现，但它们必须遵循共同的规范。 d o m 接口 荔糖绋瓣嘲绨觑缸掰鲥删糍瓣彘赫鳓溅 落每建： _ 警 恸j 爹 图2 1d o m 和s a x 接口示意图 d o m ( d o c u m e n to b j e c tm o d e l ) 是文档对象模型，最先用于d h t m l ，是h t m l 文档和x m l 文档的应用程序接口。它提供了分层对象模型访问删l 文档中信息 的方式，这些分层对象模型依据x m l 文档的结构形成一棵节点树。 在应用程序中基于d o m 的x m l 分析器将一个x m l 文档转换成一个对象模 型的集合，即d o m 树，应用程序通过对这个对象模型的操作实现对x m l 文档数 据的操作。d o m 由三部分组成：核心、h t m l 和x m l 。核心部分是结构化文档 比较底层对象的集合。h t m l 和x m l 两部分专门提供高级接口，使得操纵h t m l 和x m l 两类文件更方便。d o m 中最基本的对象是结点，由它派生出许多类型结 点，所有结点组成一棵文档树。 s a x ( s i m p l ea p i f o rx m l ，x m l 简单应用程序接口) 是一种基于消息的x m l 文档处理机制。它提供的是一种顺序的访问模式，是一种快速读写x m l 数据的 方式。它在分析x m l 文档时，当遇到元素的开始时会发送s t a r t e l e m e n t 消息，同 时把元素名、长度及所包含的属性作为消息的参数传回；遇到字符数据时发送 c h a r a c t e r 消息，并把内容作为参数送回。s a x 是一组事件驱动的用于x m l 文档的 a p i ，接口规范是x m l 分析器提供的更底层的接口，能够为应用程序提供更大的 灵活性。 s a x 分析器中主要的a p i 接口有以下几种： s a x p a r s e r f a c t o r y ：用来按照系统属性中的定义创建一个分析器的实例。 9 吣 一；，一一一，一一一一一 硕士学位论文 p a r s e r ：定义了类似s e t d o c u m e n t h a n d l e r 的方法来创建事件处理函数， 也定义t p a r s e r ( u r l ) 方法来对x m l 文档进行实际分析工作。 d o c u m e n t h a n d l e r ：当分析器遇到x m l 文档中的标记时，就会激活该 接口中的s t a r t d o c u m e n t 、e n d d o c u m e n t 、s t a r t e l e m e n t 以及e n d e l e m e n t 等方法，另外，c h a r a c t e r s 方法以及p r o c e s s i n g i s t r u c t i o n 方法也是在 ，d o c u m e n t h a n d l e r 接口中实现。 e r r o r h a n d l e r ：当分析器遇到不同的错误时，e r r o r h a n d l e r 接口中的e l t o l 、 f a t a l e r r o r 或者w a r n i n g 方法就会被激活。 d t d h a i l d l e r ：处理d t d 中的定义。 e n t i t y r e s o l v e r ：当分析器要识别由u r i 定义的数据时，就会调用该接 口中的r e s o l v e e n t i t y 方法。 s a x 非常简单，易于使用，对内存要求比较低，可以分析较大的x m l 文档： 当仅对x m l 文档中的部分内容感兴趣时，s a x 更方便，只需在感兴趣的地方停 下来处理，无需形成整个x m l 文档的d o m 树。但s a x 不能实现对文档的随机存 取，必须按照数据提交次序进行处理；信息在解析的过程中会丢失，不能完全从 生成的事件中重新生成文档；难以实现复杂的查询等。 通常，处理较小且需要复杂操作的x m l 文档使用d o m ，对于大量的操作简 单的x m l 文档使用s a x 。 2 3 2x p a t h 与x o u e r y x m l 提供了在x m l 文档中定位和查询数据的技术，这些技术在数据交换中 对x m l 数据进行操作和处理具有重要作用。 ( 1 ) x p a t h x p a t h 2 3 】是用于在x m l 文档中定位信息的语言。可以把x p a t h 看作文件路径， 通过文件路径的规则能够找到所需要的文件；同样，依据x p a t h 所制定的规则， 可以方便地找到l 文档树中的任何一个节点。x p a t h 操作于x m l 文档树之上， 使用紧凑的、非) 洲l 的语法来选择一个或一组节点，而不是基于标记的语法， 能够区别包括元素节点、属性节点、文本节点在内的不同类型的节点。 ( 2 ) x q u e r y x q u e r y i 冽【2 5 1 是为订l 所设计的、类似于s q l 的查询语言，用于定位和过滤 x m l 文档中的元素和文本。x q u a r y 是在x p a t h 上的扩展，为指向特定的元素或查 找具有指定特征的节点设计了简明的可理解的符号。它提供一系列类型和控制结 构的编程环境，能够煳l 文档和内含x m l 的资料库中查询并获取信息，也因 此而逐渐成为查询x m l 数据库的主流语言。 2 3 3c s s 与x s l 样式单( s t y l es h e e t ) 是一种专门描述结构文档表现方式的文档，样式单一般 l o 保留语义约束的关系模式到) ( m ls c h e m a 转换的研究与实现 不包含在x m l 文档内部，而以独立的文档方式存在。与h t m l 描述数据显示方式 的传统方法相比，样式单有许多突出的优点： ， 1 ) 表达效果丰富：样式单可以支持文字和图像的精确定位、三维层技术以 及交互操作等，样式单的标准规范独立于其它结构文档的规范，当需要 实现更丰富的表达效果时，仅需修改样式单规范即可，不会牵涉到原始 的x m l 文档内容。 。 2 ) 文档体积小：在实际应用中，常常给相同名称标记下的内容定义相同的 表现方式，在样式单中，对于同一个标记只需进行一次描述，大大缩小 需要传输的文件的体积，可提高传输速度，并节约带宽。 3 ) 便于信息检索：样式单可以实现非常复杂的显示效果，但由于样式描述 与数据描述相分离，显示细节的描述并不影响文档中数据的内在结构。 因此，网络搜索引擎对文档进行搜索时，不会被种种显示描述标记所影 响。 一 4 ) 可读性好：样式单对各种标记的显示进行集中定义，且定义方式直观易 读。这使得它易学易用，可读性、可维护性都比较好。同时x m l 文档也 相对简洁、清晰，突出对内容本身的描述功能。 正是由于样式单的这种种优点，w 3 c 大力提倡使用样式单描述结构文档的显 示效果。与之相应，x m l 关于文档浏览的基本思想是将数据与数据的显示分别 定义。样式单还带来另一个好处，即定义不同的样式表可以使相同的数据呈现出 不同的显示外观，从而适合于不同应用，甚至能够在不同的显示设备上显示。这 样，x m l 数据就可以得到最大程度上的重用性，满足不同的应用需求。 迄今为止，w 3 c 已经给出了两种样式单语言的推荐标准，一种是层叠样式单 c s s ( c a s c a d i n gs 够l es h e e t s ) ，另一种是可扩展样式单语言x s l ( e x t e n s i b l e s t y l e s h e e tl a n g u a g e ) 。- c s s 是针对h t m l 提出的样式单语言，后来也能很好地应用于描述x m l 文 档，可以定义h t m l 或x m l 文档中元素的显示效果，包括元素的位置、颜色、背 景、边空、字体等。c s s 的基本思想是为结构文档中的各个标记定义出相对应的 一组显示样式，定义的基本格式为： 选择符 样式属性：取值；样式属性：取值；) 选择符：是指被施加样式的元素，浏览器在文件中碰到这些元素时， 就使用定义好的样式来显示它们。基本的选择符包括标记、类、标 识、伪类等。 j 样式属性：是指元素的哪些属性可以在样式单中给予改变。 - 属性值：在定义样式时，除需指出样式所施加的元素、元素的属性 之外，还要给属性赋予一个新值。 在x m l 文档中使用c s s 的方式也有所不同主要有两种：引用式和嵌入式。引 硕士学位论文 用式是指x m l 文档本身不含样式信息，通过引用外部c s s 文档来定义文档的表现 形式。大部分x m l 文档都采用这种方式，这也与x m l 语言内容与形式分开的原 则相致。内嵌式是指将c s s 样式直接嵌入到捌l 文档内部，为元素设置s t y l e 属性，并在属性值中给出对其样式的定义。这种用法主要出现在一些特殊的x m l 文档中，一般来讲内嵌c s s 样式的x m l 文档本身就是面向显示的，如s v g 、s m i l 等。 x s l ( e x t e n s i b l es t y l e s h e e tl a n g u a g e ) 是专门为x m l 设计的样式表语言，x s l 是通过x m l 进行定义的，遵循x m l 语法规则，是x m l 的一种具体应用。它由两 部分组成：第一部分描述如何将一个x m l 文档进行转换；第二部分定义了格式 对象f o ( f o r m