（计算机应用技术专业论文）紧密耦合下xml数据的存储方式研究.pdf

摘要 随着i n t e r n e t 和w e b 的飞速发展，x m l 作为一种可扩展标记语言，其自描 述性、内容与表示的分离性等特点使其成为表示各种数据的理想公共格式，大量 的数据以x m l 格式进行存储、发布和交换。 处理x m l 数据主要有两种技术：x m l - e n a b l e dd b m s ( x e d ) 和n a t i r ex m ld b m s ( n x d ) 。本文主要讨论的是x e d 技术。在开发格式较简单、数据内容比格式更 重要的应用时，特别是在已有的传统数据库上要提供x m l 的访问接口的情况下， x e d 是不错的选择。 x m l 技术和数据库技术的结合已成为必然的趋势，在x m l 文档和数据库之间 实现数据的双向传输是x m l 技术应用研究的热点之一。关系数据库是目前最主要 的数据存储方式，“以关系数据为存贮手段，以x m l 为交换载体”的数据管理模 式己成为一种趋势。当用x m l 来表示的数据与关系型表单中的数据密切耦合在一 起时，在x m l 和关系型表单之间转换数据更为有效。通过建立x m l 模式和数据库 模式之间有效的映射关系，数据库在收到x m l 后，将其分解为字段并按通常的方 式存储它们，当检索x m l 时，这些字段再被拼接成原状，以创立各种应用程序可 以读懂的数据，使客户与不同数据库间只通过一种标准语言x m l 进行交互，降低 数据交换的复杂性，从而解决数据的统一接口问题。本文即是在这个方向上做了 一些初步的研究，介绍了x m l 和数据库系统的相关知识，探讨了l m l 文档的解析 技术，详细分析和阐述了紧密耦合下x m l 数据与关系数据库双向映射的技术，讨 论了基于表的映射和基于对象的映射两种映射机制，利用d t d 和x m ls c h e m a 的 特性，实现了关系模式与x m l 模式的相互转换，并通过实例分析其映射过程。这 种映射建模在x m l 文档中的数据，对于以数据为中，i l , 的文档是良好的选择。 传统关系型数据库是一种二维关系数据库，但在实际的应用中还存在一些复 杂的多维关系。在多维数据模型中，数据以多维逻辑方式组织，并以多维方式显 示，数据在各个维之间相互交叉，形成立体的数据视图。本文还介绍了多维数据 的存储方式、模式，并对多维数据与x m l 文档的映射进行了初步探讨。 研究传统数据库与x m l 文档之间的转换关系与转换过程，可以充分利用传统 数据库技术已有的二三十年的积累，在安全性、可用性和灵活性等方面具有较大 优势，特别适用于对数据安全性和数据交换要求高的金融、保险、气象、地震等 部门。 关键词：x m l 关系数据库存储方式映射 a b s t r a c t w i t ht h er a p i dd e v e l o p m e n to ft h ei n t e r n e ta n dt h ew e b ，t h ex m l ，a ne x t e n s i b l e m a r k u pl a n g u a g e ，b e c o m et h ei d e a lp u b l i cf o r m a tt h a tm e a nm a n yk i n d so fd a t aw i t h i t sc h a r a c t e r i s t i c ss u c ha s s e l f - d e s c r i p t i v e n e s s ，s e p a r a b i l i t y o fc o n t e n ta n d r e p r e s e n t a t i o ne t c l a r g ea m o u n t so fd a t ai ss t o r e d ，i s s u e da n de x c h a n g e dw i t hx m l f c r m a t p r o c e s s i n gx m ld a t ac o n t a i n st w ok i n d so ft e c h n i q u e s ：x m l - e n a b l e dd b m s ( x e d ) a n dn a t i v ex m ld b m sf n - x d ) t h i sp a p e rd i s c u s s e sp r i m a r i l yo fx e d ，x e d i saq u i t eg o o ds e l e c t i o no nc o n d i t i o nt h a tt h ea p p l i c a t i o nd e m a n d ss i m p l ef o r m a to r d a t ac o n t e n ti sm o r ei m p o r t a n tt h a nf o r m a t ，e s p e c i a l l yt h ex m la c c e s si n t e r f a c eo n t h ee x i s t i n gd a t a b a s ei si nd e m a n d t h ec o m b i n a t i o no f x m la n dd a t a b a s eh a sb e c o m ea l li n e v i t a b l et r e n d r e a l i z i n g b i d i r e c t i o n a lt r a n s m i s s i o no fd a t ab e t w e e nx m ld o c u m e n ta n dd a t a b a s ei sa m o n g h o t s p o ti nt h es t u d yo fx m lt e c h n i q u ea p p l i c a t i o n a tp r e s e n t ，r e l a t i o n a ld a t a b a s ei s t h ep r i m a r yd a t a - s a v i n gm o d e t h ep a a e mo fd a t am a n a g e m e n tt h a tr e l a t i o nd a t a r e g a r d e da ss a v i n gm e a n sa n dx m la st h ee x c h a n g ec a r r i e rh a sb e c o m et h et r e n d w h e nd a t ai nx m la n dd a t ai nr e l a t i o nt a b l ea r ec l o s e l yc o u p l i n g ，c o n v e r s i o no fd a t a b e t w e e nt h e mi sm o r ee f f i c i e n t m a p p i n gr e l a t i o nb e t w e e nx m la n dd a t a b a s eh a s b e e nc r e a t e d a f t e rr e c e i v i n gx m l ，d a t a b a s ed e c o m p o s e st h e mi n t o f i e l da n ds a v e t h e mi nc o m m o nw a y w h e nr e t r i e v i n gx m l ，t h e s ef i e l d sw i l lb ec o n c a t e n a t e di n t o o r i g i n a ls h a p et oe s t a b l i s ht h ed a t at h a te v e r yk i n do fa p p l i c a t i o np r o g r a mc a nr e a d t h ec l i e n tm a yu s eo n l yas t a n d a r dl a n g u a g ex m lt oi n t e r a c t i v ep r o c e e dw i t h d i f f e r e n td a t a b a s e t h i sl o w e r st h ec o m p l e x i t yo fd a t ae x c h a n g i n ga n du n i f yt h ed a t a i n t e r f a c e t h i sp a p e rh a sd o n et h ee l e m e n t a r ys t u d yo nt h i sd i r e c t i o n i ti n t r o d u c e st h e k n o w l e d g er e l a t et ox m la n dd a t a b a s es y s t e m ，p r o b e si n t ot h ep a r s i n gt e c h n i q u eo f x m ld o c u m e n t ，a n a l y s e sa n de x p a t i a t e st h eb i d i r e c t i o n a lm a p p i n gb e t w e e nx m l d a t aa n dr e l a t i o n a ld a t a b a s ec i r c u m s t a n c e dc l o s ec o u p l i n g ，d i s c u s s e st w os o r t so f m a p p i n gm e c h a n i s mb a s e do nt a b l ea n do b j e c t i tu t i l i z e st h ec h a r a c t e r i s t i co fd t d a n dx m ls c h e m at or e a l i z et h ei n t e r c o n v e r tb e t w e e nr e l a t i o nm o d ea n dx m lm o d e ， a n di n s t a n c e st oa n a l y z et h em a p p i n gp r o c e d u r e t h i sm a p p i n gm o d e l i n gi si nt h ed a t a o f x m ld o c u m e n t ，s oi ti sag o o dc h o i c ef o rd a t a - c e n t r i cd o c u m e n t i i i t h d i t i o n a lr e l a t i o n a ld a t a b a s ei st w o d i m e n s i o n a l h o w e v e ht h ec o m p l i c a t e d m u l t i d i m e n s i o n a l r e l a t i o ns t i l le x i s t si np r a c t i c a la p p l i c a t i o n i nm u l t i d i m e n s i o n a ld a t a m o d e l ，d a t ai so r g a n i z e da n dd i s p l a y e di nm u l t i d i m e n s i o n a ll o g i c a lm e t h o d t h ed a t a c r o s s e sm u t u a l l ye a c hd i m e n s i o n ，f o r m st h es t e r e o s c o p i cd a t av i e w t h i sp a p e ra l s o i n t r o d u c e st h es a v i n gm o d ea n dt h ep a t t e r no fm u l t i d i m e n s i o n a ld a t a ，e l e m e n t a l l y d i s c u s s e st h em a p p i n gb e t w e e ni ta n dx m ld o c u m e n t t h er e s e a r c ho ft h ec o n v e r tr e l a t i o na n dp r o c e d u r eb e t w e e nt r a d i t i o n a ld a t a b a s e a n dx m ld o c u m e n tc a r lm a k et h em o s to ft h ea c c u m u l a t i o no f 乜a d r i o n a ld a t a b a s e t e c h n i q u ei nt h ec o u r s eo ft w e n t yt ot h i r t yy e a r s t h i ss t u d yh a sg o o da d v a n t a g ef o r s a f e n e s s ，a v a i l a b i l i t ya n df l e x i b i l i t y , e t c e s p e c i a l l yf o rt h ef i e l do ff i n a n c e ，i n s u r a n c e ， w e a t h e r , e a r t h q u a k e e t c w h i c hi se x i g e n to f d a t as a f e n e s sa n de x c h a n g e k e y w o r d s ：x m l ，r e l a t i o n a ld a t a b a s e ，s a v i n gm o d e ，m a p p i n g 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 立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不 包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研 究作出重要贡献的个人和集体，均已在文中以明确方式标明。本声明 的法律责任由本人承担。 论文作者签名：丝基皇 日期：z 丝乡笪 关于学位论文使用授权的声明 本人完全了解山东大学有关保留、使用学位论文的规定，同意学 校保留或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；本人授权山东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、缩印或其他复制手段 保存论文和汇编本学位论文。 ( 保密论文在解密后应遵守此规定) 论文作者签名：挝纽导师签名： 丝；立l 日期：型羔：鉴 1 1 研究的意义 第一章绪论 i n t e r n e t $ 口w e b 的飞速发展使人类社会的信息量以指数增长，对信息管理和 信息交换的需求更是空前强烈和迫切。已在传统的商业和事务处理等领域内趋于 成熟的传统数据库技术，面临着许多新的问题和挑战：数据库技术的应用是建立 在一定的数据库管理系统基础上的，各数据库管理系统之间的异构性及其所依赖 操作系统的异构性，严重限制了信息共享和数据交换范围，如何有效地存储和管 理w e b 上的数据( 文档) ，使它们既能被高效地操作和维护。又能方便地表示和 交换? 时至今日，数据交换的能力已成为新的应用系统的一个至关重要的要求。 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 ，可扩展标记语言) 技术自出现以来，发 展非常迅速，在很多领域内崭露头角，得到广泛的支持，它在可扩展性、可移植 性和结构性等方面的突出优点使其具有广阔的应用前景。x m l 本质上是一种描述 性的标记语言，是一种更好地表示信息的手段，这也意味着x m l 可以是用于信息 存储和管理的一种方式。x m l 的表现力和可扩展性为数据交换和集成提供了通用 语言，使用x m l 集成w e b 技术和数据库系统有三个方法：通过把文档转换为关系 或对象，x m l 文档可以存储在一个关系型或面向对象的d b m s ( d a t a b a s e m a n a g e m e n ts y s t e m ，数据库管理系统) 中：用数据库软件把数据库中现有的关 系或对象表示为x m l ；用一个基于x m l 的数据模型创建一个新的d b m s 。 出自以下考虑，我们使用现有的数据库类型和产品而不是以原始格式来存 储x m l ：普通的关系型和面向对象数据库已尽人皆知，人们了解它们的行为和性 能，选择关系型数据库和面向对象数据库这样的成熟技术是比较安全的。到关系 型或面向对象d b m s 的x m l 接口提供了对健壮的数据库技术的访问，同时可以进 行x m l 传输，这在一个关系型或面向对象数据库已经存在、数据库必须被与其他 关系型或面向对象数据库进行互操作应用程序访问时特别有用，它在与其他关系 型或面向对象数据库的互操作能力、精确的事务管理和恢复机制以及大量工具对 它的支持等方面提供了实际的方法。由于x m l 的自定义性及可扩展性，它足以表 达各种类型的数据。当客户与不同的数据源进行交互时，数据可能来自不同的数 据库，它们都有各自不同的复杂格式。但客户与这些数据库间只通过一种标准语 言进行交互，那就是x m l 。客户收到数据后可以进行处理，也可以在不同数据库 间进行传递，从而解决了数据的统一接口问题。研究传统数据库与x m l 文档之间 的转换关系与转换过程，可以充分利用传统数据库技术已有的二三十年的积累， 在安全性、可用性和灵活性等方面具有较大优势，特别适用于对数据安全性和数 据交换要求高的金融、保险、气象、地震等部门。 1 , 2 国内外研究现状 x m l 的需求正在扩大，新的应用包括：采用x m l 标签的i n t e r n e t 搜索引擎、 必须快速输出结果的电子商务系统、带x m l 标签的电子数据交换、数据重复使用 和内容个性化。作为处理上述应用的一环，x m l 数据库的需求也将快速增长。当 酊主流的数掘库产品都宣布了对x m l 的支持，如i b m 提供了 x m le x t e n d e rf o rd b 2 ，以允许用户在d b 2 中存储x m l 文档，并提供一些新功能 协助用户处理x m l 文档；m i c r o s o f t 的s o ls e r v e r6 5 和7 0 也进行了x m l 扩 充，据悉s o l 将来要加入x m l 输出选项，用以向其他系统传送信息；o r a c l e 也 拥有功能强大的x m l 索引引擎。 事实上，x m l 作为数据交换的标准，更着重于统一数据格式。x m l 数据本身的 树形结构不同于关系模型中的二维表结构，这种差别反映在现有的数据库产品处 理x m l 数据的两种技术上：x m l e n a b l e dd b m s ( x e d ) 和n a t i v ex m ld b 凇( n x d ) 。 x e d 在原有关系型( 或面向对象) 数据库基础上扩展了x m l 支持模块，获取 x m l 数据的方法是解析x m l 文档，把信息保存在关系型( 或面向对象的) 数据库 中，然后必要时根据数据生成一个x m l 文档，从而完成x m l 数据和数据库之间的 格式转换和传输。从存储粒度上，可以把整个x m l 文档作为r d b m s 表中一行，或 把x m l 文档进行解析后，存储到相应的表格中“1 。现在，己经有一些公司开发了 处理x m l 的x e d “1 。设在麻省r e a d i n g 的x y v i s i o n 企业解决方案公司研制的 c o n t e n t x m l 是一套内容管理系统，它可以在任何一种流行的关系数据库中存储 x m l 文件，其好处是可以开展基于内容的协同工作，进行多通道内容输出。l o t u s 公司的d o m i n o 数据库也可以处理x m l ，而且其x m lt o o l k i t 甚至可以让用户像 在n a t i v e x m l 数据库中一样创建和处理内容。在关系数据库中处理x m l 数据时， 还可用第三方中间件进行转换，其中有一种产品称为x m l d b m s ，这是一种基于 r d b c ( j a v ad a t a b a s ec o n n e c t i v i t y ，j a v a 数据库连接) 的工具，可以在x m l 文 档和数据库之间传输数据。x e d 方法不需要将传统的关系型或面向对象数据库中 的原有数据重新移植到新系统中，只是将x m l 文档的数据进行重新组织，在存入 关系数据库中时进行分解、映射等预处理，存储相对规范，稍加改变就支持了 x m l 应用，而且可以充分利用传统数据库的成熟技术和经验知识。在开发格式较 简单、数据内容比格式更重要的应用时，特别是在已有的传统数据库上要提供 x m l 的访问接口的情况下，x e d 是不错的选择。再加上各大关系型数据库生产厂 商对x m l 数据库的支持使得x e d 技术得到很快发展。 n x d 是从数据库设计的角度进行) ( i l 数据的存储。它把x m l 文档保存在一个 x m l 数据库中，x m ld b m s 提供对x m l 文档和文档片段的直接访问。与传统数据库 技术相比，n x d 还未得到时间的检验，人们还不能完全信任它，但的确有一些n x d 在实际应用中得到青睐。最有名的是位于美国加州的s o f t w a r ea g 公司开发的 t a m ir i o ，除了可以存储和访问x m l 外，它还具备多项功能，包括 o p e nd a t a b a s ec o n n e c t i v i t y 、符合u n i c o d e 要求、h t t p 通信及处理非x m l 数 据的能力。其他包括d b x m l 、e x c e l o n 和x h i v e d b ，分别由美国的 d b x m lg r o u pl l c 公司、 e x c e l o n 公司和荷兰的t h ec o n n e c t i o nf a c t o r y 公司 研制。n x d 方法保留了x m l 文档的原始结构和x m l 原有的优点，存储简单，同时 有利于对文档的进步的数据挖掘，但信息的格式、内容相对繁杂，建立索引庞 大复杂，应用范围仅局限在x m l 应用领域中。 1 3 主要研究内容及组织 由于国内经常采用的o r a c l e 、s y b a s e 及s q ls e r v e r 数据库多数是关系型数 据库，本文研究的对象主要是指关系数据库。在x m ld b m s 达到商用关系型d b m s 的成熟阶段之前、在一个关系型或面向对象数据库已经存在时，研究如何建立 x m l 和健壮的数据库的存储方式应该是一个具有较大优势的实际方法。当用x m l 来表示的数据与关系型表单中的数据密切耦合在起时，在x m l 和关系型表单之 间转换数据可能更有效。通过建立x m l 模式和数据库模式之间有效的映射关系， 数据库在收到x m l 后，将其分解为字段并按通常的方式存储它们，当检索x m l 时， 这些字段再被拼接成原状，以创立各种应用程序可以读懂的数据，使客户与不同 数据库间只透过一种标准语言x m l 进行交互，将处理数据的主动权交给客户，来 降低数据交换的复杂性，从而解决数据的统一接口问题。本文即是在这个方向上 做了一些初步的探索，讨论了用作x m l 文档和数据库、特别是关系数据库之间 传输数据的软件基础的双向映射，即从x m l 文档向数据库、从数据库向x m l 文档 传输数据，这对于以数据为中心的文档是良好的选择。 本论文共分五章： 第一章：绪论。简要介绍了本课题的研究背景和意义，对研究内容进行了阐 述，最后列出了本论文的组织结构。 第二章：基础知识。介绍了系统的相关知识，包括对x m l 的综述及关系数据 库的存储方法。这些内容作为第三章研究的基础。 第三章：x m l 在关系数据库中的存储转换规则。这是本文的重点。详细分析 和阐述了紧密耦合下x m l 文档与关系数掘库双向映射的技术，对它进行了简单的 应用，并分析其优缺点：此外，还对x m l 文档与多维数据的转换进行了初步探讨。 第四章：解析x m l 文档。讨论了d o m 、s a x 和j d o m 三种应用程序接口。 第五章：结束语( 结论及展望) 。总结本文的工作并指出了未来的研究方向。 2 1x m l 综述 2 1 ，1x 札技术的发展 第二章基础知识 第一个标记语言g m l ( g e n e r a l i z e dm a r k u pl a n g u a g e ，g m l ) 发明子1 9 6 9 年， 主要用于支持文档处理应用。1 9 7 4 年，出现了标准通用标记语言( 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 ，s g m l ) s g m l 是种功能十分强大但也相当复杂 的标记语言。i n t e r n e t 的广泛应用，需要人人都易h 手的描述语言，作为s g i l 的子集，超文本标识语言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 ) 应运而生，它受到 i n t e r n e t d 全球资讯网热潮的推波助澜，很快地就成为在网上制作页面的标准语 言。1 9 9 8 年，w o r l dw i d ew e bc o n s o r t i u r l l ( w 3 c ) 为一种具有h t m l 特征的数据语言 制定了一个规范，称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 x m l ) ， 它提供种灵活的语法来表示层次数据，这立即成为计算机史上一个重要的里程 碑。 x m l ，是s g m l 的一个配置，它给s g m l 提供在w o r l dw e b 环境中的可扩展能力，使 其能够将s g m l 的灵活性和强大功能与已经被广泛采用的h t m l 结合起来，h t m l 只是 s g m l 衍生出来的一种文件格式，x m l 则继承了s g m l 的规范，并出于易用性的考虑 而更为简化。相对于h t m l 的适合于表示，x m l 更适台于数据。 设计之初，x m l 的目标之一是取代h t m 乙为新出现的复杂的w e b 应用提供标准的 i n t o r n e t 语言。然而，由于x l l 在可扩展性、可移植性和结构性等方面的突出优 点，它的瘦用范围早已突破了h t 札所达到的范围。今天，x m l 在很多领域中崭露 头角这其中包括传统的数据库技术的范畴。例如，人们开始考虑用x m l 文档来 存储、组织和管理i n t e r n e t 上浩如烟海的庞大信息资源。 x m l 是s g m l 的一个子集，是一种经过简化的标记语言，它具有形式与内容分 离的特点。同时，x m i ，所拥有的良好的扩展性、自描述性、自帽容性以及跨文种 等优点，又使得它非常适于w e b 上的数据交换与发布。电子商务、w a p 、e b e o k 就 是x m l 的典型应用。x m l 作为一种可扩展性标记语言，其自描述性使其非常适用于 足x m l 的典型应用。x m l 作为一种可扩展性标记语言，其自描述性使其非常适用于 2 1x m l 综述 2 1 1x m l 技术的发展 第二章基础知识 第一个标记语言g m l ( g e n e r a l i z e dm a r k u pl a n g u a g e ，g m l ) 发明于1 9 6 9 年， 主要用于支持文档处理应用。1 9 7 4 年，出现了标准通用标记语言( 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 ，8 g m l ) ，s g m l 是一种功能十分强大但也相当复杂 的标记语言。i n t e r n e t 的广泛应用，需要人人都易上手的描述语言，作为s g m l 的子集，超文本标识语言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 ) 应运而生，它受到 i n t e r n e t 和全球资讯网热潮的推波助澜，很快地就成为在网上制作页面的标准语 言。1 9 9 8 年。w o r l dw i d ew e bc o n s o r t i u m ( w 3 c ) 为一种具有h t m l 特征的数掘语言 制定了一个规范，称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 ，x m l ) ， 它提供一种灵活的语法来表示层次数据，这立即成为计算机史上一个重要的里程 礁。 x m l 是s g m l 的一个配置，它给8 g m l 提供在w o r l dw e b 环境中的可扩展能力，使 其能够将s g m l 的灵活性和强大功能与已经被广泛采用的h t m l 结合起来，h t m l 只是 s g m l 衍生出来的一种文件格式，x m l 则继承了s g m l 的规范，并出于易用性的考虑 而更为简化。相对于h t m l 的适合于表示，x m l 更适合于数据。 设计之初，x m l 的目标之一是取代h t m l 为新出现的复杂的w e b 应用提供标准的 i n t e r n e t 语言。然而，由于x m l 在可扩展性、可移植性和结构性等方面的突出优 点，它的应用范围早已突破了h t m l 所达到的范围。今天，x m l 在很多领域中崭露 头角，这其中包括传统的数据库技术的范畴。例如，人们开始考虑用x m l 文档来 存储、组织和管理i n t e r n e t 上浩如烟海的庞大信息资源。 x m l 是s g m l 的一个子集，是一种经过简化的标记语言，它具有形式与内容分 离的特点。同时，x m l 所拥有的良好的扩展性、自描述性、自相容性以及跨文种 等优点，又使得它非常适于w e b 上的数据交换与发布。电子商务、w a p 、e b o o k 就 是x m l 的典型应用。x m l 作为一种可扩展性标记语言，其自描述性使其非常适用于 不同应用间的数据交换，具备很强的开放性，因而有广阔的应用前景。为了使基 于x m l 的业务数据交换成为可能，就必须实现数据库的x m l 数据存取，并且将x , i l 数据同应用程序集成，进而使之同现有的业务规则相结合。而开发基于x m l 的动 态应用，前提是必须有支持x m l 的数据库支持。 目前对x m l 的研究主要有两个方面： ( 1 ) 利用x m l 与半结构化数据的相似性，在原先半结构化数据的研究成果上支 持x m l 的存储和查询功能。这种方法实现起来比较彻底，但重新开始建筑数据库， 使得以前关系数据库的成果很难运用到，工作量比较大。 ( 2 ) 利用传统关系数据库已有的研究成果，实现x m l 文档到关系数据库记录 之间的转换，从而实现利用关系数据库存储、查询x m l 数据的功能。其存储前后 的转换工作比较繁杂，但其建筑在商业关系数据库基础上，实现工作相对其他方 法来说要轻松。 目前，围绕着x m l 己经形成了一大批新的技术及标准，x m l 数据已逐渐用于 实际应用。可以预见，今后的一段时间内，x m l 数据将爆炸性地递增而出现在 i n t e r n e t 世界里。 21 2 x m l 的概念 x m l 代表可扩展的标记语言。它是一种把数据表示为一个文本字符串的语言。 这个文本字符串还包括用于描述数据的散布的”标记”( t a g ( ) 。使用标记允许 把文本和与它的内容或形式相关的信息散布在一起。 x m l 文档由元素组成，元素是x m l 的基本的组成部分“1 。一个元素( e e m e n t ) 以一个开始标记开始，以一个结束标记结束，在标记里面的内容是文本( 文本 ) 。元素可以嵌套，嵌套在其中的其他元素叫子元素 ( s u b e l e m e n t ) 。一个具有相同属性的元素集合称为一个元素类型，它通过标记名 来区别。元素类型具有属性，一个属性由一个名字一值对组成。x m l 为注释和 标记字符数据提供一种可扩展的机制，这种机制扩展了与文档和数据库中的数据 相关联的信息类型。 下面是一个简单的例子： 1 9 7 0 0 8 1 0 0 2 ：2 9 q u f u e p i c e n t e r ) 5 0 3 5 04 2 ( 纬度 曲阜 i 0 0 与其他数据交换语言相比，x m l 的两个关键特性是它具有相当的表现力和可 扩展性。 6 、开放的标准 x m l 基于的标准是为w e b 进行过优化的。微软和其他一些公司以及w 3 c 中的 工作组正致力于确保x m l 的互用性，以及为开发人员、处理人员和不同系统及浏 览器的使用者提供支持，并进一步发展x m l 的标准。x m l 包括一套相关的标准： 可扩展标识语言( x m l ) 标准：x m l 域名标准；文档对象模式( d o m ) 标准；可扩展类 型语言( x s l ) 标准；可扩展链接语言( x l l ) 标准和x m l 指针语言( x p o i n t e r ) 标准 等。 x m l 已经成为正式的规范，开发人员能够用x m l 的格式标记和交换数据。x m l 在三层架构上为数据处理提供了很好的方法。使用可升级的三层模型，x m l 可以 从存在的数据中产生出来。促进x m l 应用的是那些用标准的h t m l 无法完成的w e b 应用，x m l 给基于w e b 的应用软件赋予了强大的功能和灵活性，因此它给开发者和 用户带来了许多好处。 2 1 4x m l 的模式语言 x m l 的精髓是允许文档的编写者制定基于信息描述、体现数据之间逻辑关系 的自定义标记，确保文档具有较强的易读性、清晰的语义和易检索性。因此，一 个完全意义上的x m l 文档不仅仅是“格式良好的”，而且还应该是使用了一些自 定义标记的“有效的”x m l 文档。 1 、d t d ( 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) x m l 文档中引入d t d 作为它的模式定义语言，d t d 定义了文档中元素和标记 的规则及相互关系等。d t d 的出现赋予了x m l 文档可扩展性、结构性和可验证性。 正因为如此，x m l 具备了类似于数据库的一些性质，使利用x m l 来组织和管理信 息成为可能。与此同时，又可以与h t m l 一样在浏览器中方便地表示，在i n t e r n e t 上高效地传递和交换。 d t d 描述了一个标记语言的语法和词汇表，实际上它是x m l 文件抽象出来的 模板。 ( 1 ) 调用d t d 文件的方法 内含在x m l 文档中： 定义在外部的d t d 文件中： s y s t e m 关键字主要用于引用一个作者或组织所编写的众多) 【m l 文档中通用的 d t d ，它不是引用外部d t d 的唯一方法，还存在另一种外部d t d ： 使用关键字p u b l i c 可引用一个由权威机构制订的、提供给特定行业或公众 使用的d t d 。 外部d t d 的好处是：它可以方便离效地被多个x m l 文档所共享。只要写一个 d t d 文档，就可以被多个x m l 文档所引用。如果采用外部d t d 的话，需要有两个 文档，第一个文档就是关于d t d 的文档，第二个文档就是遵守d t d 格式的内容文 档。实际上我们可以建立无数遵守该d t d 格式的文档。举例来说，我们在构造关 系数据库中的表的时候，我们需要定义好表的结构( 也就是表包含的字段集合) ， 然后我们就可以往这个表中放入记录，记录的个数从理论上讲可以是无穷多个 的。这里关于表的结构就类似于d t d 文档，记录类似于遵守d t b 格式的内容文档。 事实上，当许多组织需要统一它们的数据交换格式时，就是通过外部d t d 来完成 的。这样做不仅简化了输入工作，还保证当需要对d t d 做出改动时，不用一一去 改每个引用了它的x m l 文件，只要改一个公用的d t d 文件就足够了。 ( 2 ) d t d 中元素类型的声明 d t d 中使用元素类型声明e t d ( e l e m e n tt y p ed e c l a r a t i o n ) 来声明所有有 效的文档元素。e t d 应该采用如下的结构： x m l 的标准将元素按内容划分为四类： 空元素类型：这类元素在x m l 文档中使用空元素标记，元素中没有内容。 a n y 元素类型：该元素中可以包含任何内容。 父元素类型：这类元素中可以包含子元素，在d t d 中通过正则表达式 规定子元素出现的顺序和次数。 混合元素类型：这类元素中可以包含文本，同时文本之间可以有选择 地插入子元素，但子元素出现的顺序和次数不受限制。 ( 3 ) d t d 中元素属性的声明 在d t d 中定义属性时，我们使用下面的格式来给个元素定义一组合适的属 性，同时指定这些属性的类型和缺省值： 其中，属性类型用来指定该属性是属于十个有效属性类型中的哪种类型” 类型含义 c d a t a 纯文本，由可显示字符组成的字符串 e n u m e r a t e d取值来自一组可接受的取值的列表 以属性值的方式为文档中的某个元素定义唯一的标识，用以区分具 i d 有相同结构相同属性的不同元素 i d r e f属性值引用已定义的i d 值，方法是把那个元素的i d 标识值作为该 属性的取值；i d r e f s 是i d r e f 的复数形式，取值可以是若干个i d i d r e f s 标识 e n t i t y 取值为一个己定义的实体 e n t i t i e s n m t o k e n 面向处理程序的类型 n m t o k e n s 取值为一个d t d 中声明的符号，这个类型对于使用非x m l 格式的数 n o t a t i o n 据非常有用。 缺省值是属性的初值，有以下四种类型： 名称定义说明方式 不要求在x m l 文档中给该属性赋值， 属性值可有 省值 需要为一个特定的属性提供一个缺省 需要在d t d 中提供一个缺省值，在x m l 事先定义了 文档中可以为该属性给出新的属性 性 d t d 中给出的缺省值。 ( 4 ) 参数实体 参数实体专门用于d t d ，它可以方便元素和属性的声明。 建立数据库的关键就是要定义好表的格式，并使它的范式尽可能的高。对应 的，建立基于x m l 应用的关键就是要定义好d t d ，然后