（计算机应用技术专业论文）基于xml的异构数据库集成系统的研究.pdf

基于x m l 的异构数据库集成系统的研究 摘要 随着i n t e r n e t 的迅速发展，可共享的资源越来越多，对数据的 描述千差万别，数据环境的差异也越来越大。在企业内部，由于部 门间相对独立，构建系统时缺乏统一的规划和标准，所以造成了现 有的应用系统是分散、异构、封闭的，相互之间不能共享信息，构 成了一个巨大而复杂的异构数据库环境。为了使企业应用系统间资 源共享得以实现并变得快捷，必须为大量各种各样的数据提供某种 统一的表示方法。由于x m l 具有白定义性及可扩展性，使其迅速 的成为i n t e m e t 上用于数据表示和数据交换的标准。x m l 文档大量 涌现，使x m l 与其他数据的转换及它的有效管理受到广泛关注。 为了结合数据库发展的需要，本文研究了数据库数据与，x m l 数据 之间的映射，x m l 数据在关系数据库中存储及查询技术。 本文首先对数据集成涉及的相关技术进行深入研究。分析了目 前流行的数据集成产品，并针对异构数据集成过程中的数据转换问 题，设计了一个数据库数据与x m l 数据转换的接口，以保证网上 信息交流的畅通。通过对x m l 数据存取机制和x m l 与数据库映 射技术的分析和研究，提出了转换接口的设计方案。基于x m l 成 为网络系统中通用数据交换标准，通过j d b c 实现对数据库系统的 连接，利用j a v a 的无平台性，实现数据库中数据到x m l 文档的转 换。数据库与外界之间都以x m l 文档作为交换介质，屏蔽了所有 数据库有关的技术细节，同时使系统的可扩展性更好。 然后针对固定结构的x m l 文档在关系数据库中的存储问题， 提出了一种在关系数据库中存储x m l 文档的方法，这种方法是基 于x p a t h 数据模型的，并对x m l 文档的元素进行d i e t z 编码来标 识元素，同时在数据库中存储每个元素及其父元素的d i e t z 编码来 保持元素之间的父子关系以及用于将关系数据转化为x m l 文档或 文档片段。 最后，我们研究了如何实现将x m l 查询转化为s q l 的查询转 换问题。转换分为两个步骤：第一步是将一个x p a t h 路径表达式转 换成有向边标记图x p a t h e x p r 图( 即：x p a t h e x p r ) ；第二步是根 据x p a t h e x p r 图来产生s q l 查询，x p a t h e x p r 图中的结点和边用来 生成s q l 查询的各个部分，并且对如何有效地处理x p a t h 函数进 行了详细的介绍。 关键词：数据集成，x m l ，异构数据，关系数据库，d i e t z ，x p a t h s t u d yo fh e t e r o g e n e o u sd a t a i n t eg r a t i o nb a s e do nx m l 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 fi n t e m e t ，t h e r ea r ea m o u n to fd a t a a n di n f o r m a t i o nw h i c hm u s tb es h a r e da n di n t e r f a c e di ni n t r a n e ta n d i n t e m e t d u et os o m er e l a t i v ei n d e p e n d e n c eb e t w e e nd e p a r t m e n t si n e n t e r p r i s e ，a n ds h o r to fc o n s o l i d a t e dp l a na n ds t a n d a r dw h e nd e s i g n i n g a p p l i c a t i o ns y s t e m s ，t h e r em u s tb es o m ei n f o r m a t i o ni s l a n d si nt h e a p p l i c a t i o ns y s t e m s ，w h i c ha r es e p a r a t e ，h e t e r o g e n e o u s ，o b t u r a t e da n d u n s h a r e d i no r d e rt oe n a b l ee n t e r p r i s e a p p l i c a t i o ns y s t e m s ，s h a r i n g r e s o u r c e st oa c h i e v ea n dt ob e c o m ef a s t e r ，t h en e e df o raw i d er a n g eo f d a t at h a tp r o v i d eau n i f i e da p p r o a c h o w i n gt ot h ea d v a n t a g eo ft h e x m l ：s e l f - d e f i n i t i o na n de x t e n s i b l e x m li sq u i c k l yb e c o m i n gt h e s t a n d a r df o rd a t ap r e s e n t a t i o na n dd a t ae x c h a n g eo v e rt h ei n t e r n e t t h i s i sc r e a t i n gan e ws e to fd a t am a n a g e m e n tr e q u i r e m e n t si n v o l v i n gx m l c o m b i n i n gw i t hd a t a b a s ed e v e l o p m e n td e m a n d ，w es t u d yt h em a p p i n g b e t w e e nt h ed a t a b a s ea n dx m l 、t h ex m ls t o r i n ga n dq u e r y i n g t e c h n o l o g yi nr e l a t i o n a ld a t a b a s e t h i sp a p e rs t a r t sf r o mt h ed e e pr e s e a r c ht od a t ai n t e g r a t i o n i n v o l v e d t e c h n o l o g i e s i n t h i s p a p e r , t h ec u r r e n t l yp o p u l a r d a t a i n t e g r a t i o np r o d u c t sa r ea n a l y z e d a n dt h er e s e a r c hw o r kw ed oi st o a p p l yt h et r a n s f o r m a t i o ni n t e r f a c eb e t w e e nx m la n dd a t a b a s ei nt h e p r o g r e s so fh e t e r o g e n e o u sd a t ai n t e g r a t i o nt ot h ei n f o r m a t i o np o r t a l t h r o u g ht h ea n a l y s i so fx m ld a t as t o r a g em e c h a n i s ma n dd a t a b a s e m a p p i n gt e c h n o l o g y , t h i sp a p e rp u t s f o r w a r dt h e d e s i g n a n d i m p l e m e n t a t i o no ft r a n s f o r m a t i o ni n t e r f a c eb e t w e e nx m l a n dd a t a b a s e c o n n e c t i n gw i t hd a t a b a s et h o u g hj d b c ， w ec a ni m p l e m e n tt h ed a t a e x c h a n g eb e t w e e nd a t a b a s ea n dx m lu s i n gj a v a a sx m ld o c u m e n ti s e x c h a n g em e d i u m b e t w e e nd a t a b a s ea n do u t s i d e ，i ts h i e l d st h ed a t a b a s e d e t a i la n dm a k e st h ee x t e n s i b i l i t yo fs y s t e mb e t t e r t h e n ，w es u g g e s tax m ls t o r i n gm e t h o di nr e l a t i o n a ld a t a b a s e b a s e do nt h ef i x e ds t r u c t u r eo fx m ld o c u m e n t s t h i sm e t h o di sb a s e i i i o nx p a t hd a t am o d e l ，a n de n c o d e se l e m e n t sb yu s i n gd i e t zm e t h o di n o r d e rt oi d e n t i f ye l e m e n t s w ea l s on e e dt os t o r ed i e t zc o d eo fe v e r y e l e m e n ta n di t sp a r e n ti no r d e rt op r e s e r v ep a r e n t - c h i l dr e l a t i o n s h i p b e t w e e ne l e m e n t sa n di tc a nb eu s e df o rt r a n s f o r m a t i o nf r o mr e l a t i o n a l d a t ai n t ox m ld o c u m e n to rd o c u m e n tf r a g m e n t f i n a l l y , w ed i s c u s sh o wt oi m p l e m e n tq u e r yt r a n s f o r m a t i o nf r o m x m lq u e r yt os q lq u e r y , w h i c hi sc o m p o s e do ft w os t e p s ：f i r s t ，w e c o n s t r u c tx p a t h e x p rg r a p ha c c o r d i n gt ox p a t he x p r e s s i o n ；s e c o n d ， w eg e n e r a t es q l q u e r yb a s e do nx p a t h e x p rg r a p h t h en o d ea n de d g e i nx p a t h e x p rg r a p ha r eu s e dt og e n e r a t et h ev a r i o u sc o m p o n e n t so f s q lq u e r y , a n dd e s c r i b e dh o w t od e a lw i t hx p a t hf u n c t i o ne f f e c t i v e l y i nd e t a i 】 k e yw o r d s ：d a t a i n t e g r a t i o n 乒x m l ，h e t e r o g e n e o u sd a t a ，r d b m s ， d i e t z ，x p a t h i v 陕两科技大学颉士学位论文 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责任由本人承担。 论文作者签名：座座匕绫 日 期：2 q q 墨生墨旦 关于学位论文使用授权的声明 本人完全了解陕西科技大学有关保留、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；本人授权陕西科技大学可以将本 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：鏖因埠导师签名： 哗 基于x m l 的异构数据库集成系统的研究 1 绪论 1 1 问题的提出 人类在二十一世纪的可持续发展从战略意义上看，将会越来越依赖于社会 的整体科技创新能力和由此派生而出的知识经济，而以信息技术为特征的全球 网络化及i n t e r n e t 的逐渐普及的影响也毫无例外地冲击着产品制造业。使世界 形成一个统一的全球市场，激烈的国际竞争促使企业采用各种先进制造技术， 如敏捷制造、虚拟制造、智能制造、网络化分散制造等，以提高产品开发水平。 建立一套适合我国国情，支持产品开发与生产全过程的数字化、并行化、智能 化、集成化的现代设计方法与系统，有效地组织多学科的产品开发队伍，充分 利用各种计算机辅助工具，综合应用现代先进的设计方法，有效地考虑产品开 发与生产的全过程，从而缩短产品开发周期，降低成本，提高质量，快速响应 用户需求，这导致了： 从制造产品所需的企业管理与组织结构方面看，具备全球化、并行化与敏 捷化特征的企业集成技术将成为新一代企业生存的决定性因素。 传统的企业信息集成系统，由于信息不是一种标准化的数据形式来表现， 而是采取一种系统自定义的数据格式，因此很难推广应用，更为严重了的是影 响了企业间的信息交互。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 ， x m l ) 技术的出现使得对各种规则与不规则信息标准化描述成为可能。因此， 建立基于x m l 的企业信息集成平台是制造业信息化发展过程中必然的选择。 1 2 研究现状 数据集成的研究是从2 0 世纪8 0 年代早期对联邦数据库系统的研究开始 的，经过二十多年的研究，国内外已经积累了众多关于数据集成的研究成果。 例如国外的b e al i q u i dd a t ab u s i n e s so b j e c t sd a t ai n t e g r a t o r ，国内的数据集成 中间件o n e e d i 、东方通科技集成中间件t o n g i n t e g r a t o r m 等。这些中间件利用 i n t r a n e t 或i n t e r n e t 进行数据集成，为数据库、文件系统以及应用程序等异构数 据源提供包含转换、传输和存储等操作的数据集成服务。 目前数据集成领域用到的几个比较成熟的系统结构，有联邦数据库系统结 构、中间件系统结构和数据仓库系统结构【2 3 1 ： ( 1 ) 联邦数据库系统( f d b s ) ：联邦数据库系统( f e d e r a ld a t a b a s es y e t e m ) 主 要面向多数据库系统，其中数据源有可能要映射到每一个数据模式，这就需要 各数据源之间相互提供访问接口，因此开发者必须开发n 幸( n 1 ) 段代码来支持 两两之间的查询访问，而且这种数据集成方式对以后添加数据源会相当困难。 ( 2 )中间件体系结构( w r a p p e r m e d i a t o r ) ：中间件体系结构 陕西科技大学硕士学位论文 ( w r a p p e r m e d i a t o r ) 又称为w r a p p e r m e d i a t o r 系统( 如图1 1 所示) 【4 】是另外一种 完全不同的体系结构。它们适用于对数据即时性要求比较高的集成情况。这种 体系结构下，真正的数据都不存放在中间层，而是当用户发出查询请求的时候， m e d i a t o r 将其分解并发送到不同的底层数据源服务器。由于，数据源服务器的 种类也可能是千差万别，例如它们可能是一个动态h t m l 或者x m l 页面，可 能是一个关系数据库，可能是一封电子邮件，也可能是一个文件，这种差别需 要包装器( w r a p p e r ) 的功能层完成数据源服务接口的一致化。 这种数据集成系统的核心是m e d i a t i o n 模式。数据集成系统通过m e d i a t i o n 模式将各数据源的数据集成起来，而数据仍存储在局部数据源中，通过各数据 源的包装器( w r a p p e r ) 对数据进行转换使之符合该模式。用户的查询基于 m e d i a t i o n 模式，提出查询时不必知道每个数据源的特点，m e d i a t o r 将查询转 换为基于各局部数据源模式的查询。然后其查询执行引擎通过各数据源的 w r a p p e r 将结果抽取出来，并由m e d i a t o r 将结果集成返回给用户。由于在w e b 数据集成系统中，不可能完全将数据源的数据下载，而且也不可能期待数据源 在更新数据的时候能给予通报，这种体系结构对于w e b 数据集成尤其具有吸引 力。 由于这种技术在查询的处理上要花很大的力气，而对数据的处理相对要少 得多，因此它与传统的数据服务有很大区别。首先，m e d i a t o r 需要确定哪些数 据源可能为一个用户查询贡献结果，在数据源的数量成千上万的时候，这个问 题可能并不简单。其次，当相关的数据源确定以后，m e d i a t o r 需要进行查询转 换，这个过程有时候被称为查询重写；当涉及的数据源不止一个的时候， m e d i a t o r 还需要生成一个全局执行方案，确定查询的执行方案。 中间件方法解决了数据的更新问题从而弥补了数据仓库的不足。但是，由 于各个数据源的w r a p p e r 是要分别建立的，因此w e b 数据源的w r a p p e r 建立问 题给人们提出了新的挑战。 2 基于x m l 的异构数据库集成系统的研究 图1 1 中间件体系结构 f i g l - 1a r c h t e c t u r eo fm i d d l e w a r e ( 3 ) 数据仓库体系结构：在数据仓库体系结构( 如图1 2 所示) 中，用户端和 数据源之间有一个新的功能层，称为数据仓库，它存储来自不同数据源的数据。 这样结构的系统不仅可以提供数据集成服务，也可以为从业务系统中分离的决 策支持查询提供服务。数据仓库中需要两项新的技术：有效的数据加载和增量 式更新维护。 这种数据集成系统结构的优点是数据高度集中，建立用户端较为方便，利 于支持决策等应用所需要的大量集成数据的高效处理。但是，由于w e b 数据源 包含海量的数据而且数据是不断变化的，数据仓库的集成系统面临着初始数据 装载和变化后数据的更新问题。如果用户需要实时数据，那么数据即时更新的 效率影响了系统的可用性。数据更新问题成为该方法的最大弊端。由于数据的 更新问题不能很好地解决，数据的即时性无法得到保证，影响了数据仓库方法 的应用范围。 3 陕西科技大学硕士学位论文 图1 - 2 数据仓库体系结构 f i g1 - 2a r c h t e c t u r eo fd a t aw a r e h o u s e 目前，由于x m l 良好的可靠性与互操作性，确保了网络中信息的传输与 交互，加上x m l 是基于w e b - i - 作设计的，更适合于网络化环境，因此在电 子商务时代b 2 b 的商业模式得到广泛应用。x m l 的可扩展性和自描述性更让 其在数据描述和信息共享方面有着天然的优势。其标记可根据需求由企业自由 定制，有极大的灵活性，可形成针对行业特点的不同标记集。x m ls c h e m a 支 持许多复杂的数据类型，引入原型和命名空间概念，可随意扩充等，使得其不 但编写简单，而且内容充实完整，可以给出x m l 文档详细明确的定义。由 s c h e m a 定义约束的x m l 文档，有效性更加严格，内容结构更加严谨。总之， x m l 的结构性、可扩展性、自描述性、简单性等多种特性，使之表示数据的 方式真正做到了独立于应用系统，不受任何特殊的软件或者硬件平台限制，并 且这些数据能重复使用，简单易懂，成为交换各种结构化、半结构化、非结构 化信息的良好方式。 此外，x m l 本身突出表现数据结构和语义的特点，使其自然地与数据库 结合在一起。一旦将x m l 数据文件与数据库表关系关联起来，不但可以保留 关系数据库表的结构信息，还可以利用x m l 文档的优势在网络及数据库间交 换数据，并解决不同数据库系统及数据关系、语义定义等数据表达方面的差异， 如对应关系中字段内容不同、字段命名不同、数据类型不同等。这将较好地解 决企业应用系统间信息资源集成的分布和异构等问题，使得数据交换的手段更 为透明，并为e a i 的发展提供了有效手段【s l 。 1 3 课题来源 本课题来源于陕西省科技攻关项目：制造业信息化集成应用服务平台( 项 4 基于x m l 的异构数据库集成系统的研究 目编号：2 0 0 7 k 0 5 - 1 1 ) 。 1 4 本文主要内容及结构 本文对如何实现数据库数据与x m l 数据之间的转换、如何基于关系型数 据库存储x m l 文档以及如何将x p a t h 查询转化为s q l 这三个研究领域进行了 深入的研究，并且提出了一套解决方案。本文的后序内容组织如下：第二章介 绍x m l 的基本概念以及与它相关的技术；第三章详细地介绍了本文所提出的 基于d i e t z 编码如何在关系数据库中存储x m l 文档，并介绍了在这种存储方 法基础上如何将x p a t h 转化为s q l 的方法；第四章介绍了整个系统各个功能 模块的实现方法。最后一章介绍的是对本系统的总结以及未来的研究方向。 陕西科技大学硕士学位论文 2 相关技术 2 1x m l 2 1 1x m l 的发展 x m l 有两个先驱s g m l 和h t m l t 6 j ，这两个语言都是非常成功的置标语 言，但是它们都在某些方面存在着与生俱来的缺陷。s g m l ( 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 ) 的全称是标准通用置标语言，它为语法置标提 供了异常强大的工具，同时具有极好的扩展性，因此在分类和索引数据中非常 有用。但是，s g m l 非常复杂，并且价格昂贵，几个主要的浏览器厂商都明确 拒绝支持s g m l ，使s g m l 在网上传播遇到了很大障碍。 相反，超文本置标语言h t m l ( h y p e rt e x tm a r k u pl a n g u a g e ) 免费、简单， 在世界范围内得到了广泛的应用。它侧重于主页表现形式的描述，大大丰富了 主页的视觉、听觉效果，为推动w w w 的蓬勃发展、推动信息和知识的网上交 流发挥了不可取代的作用。可是，i - l t m l 也有如下几个致命的弱点，这些弱点 逐渐成为h t m l 继续发展应用的障碍。 h t m l 是专门为描述主页的表现形式而设计的，它疏于对信息语义及其内 部结构的描述，不能适应日益增多的信息检索要求和存档要求。h t m l 对表现 形式的描述能力实际上也还非常不够，它无法描述矢量图形、科技符号和一些 其他的特殊显示效果。h t m l 的标记集日益臃肿，而其松散的语法要求使得文 档结构混乱而缺乏条理，导致浏览器的设计越来越复杂，降低了浏览的时间效 率与空间效率。正因为如此，19 9 6 年人们开始致力于描述一个置标语言，它既 具有s g m l 的强大功能和可扩展性，同时又具有h t m l 的简单性。x m l 就是 这样诞生的。 正象s g m l 和h t m l 一样，可扩展置标语言x m l 也是一种置标语言，它 通过在数据中加入附加信息的方式来描述结构化数据。不过，x m l 并非象 h t m l 那样，只提供一组事先已经定义好的标记。准确地说，它是一种元置标 语言，允许程序开发人员根据它所提供的规则，制定各种各样的置标语言。在 x m l 中，置标的语法是通过文档类型定义d t d ( d o c u m e n tt y p ed e f i n i t i o n ) 来描述的，也就是说，通过d t d 来描述什么是有效的标记，并进一步定义置 标语言的结构。除了定义置标的语法外，为了明确各个标记的含义，x m l 还 使用与之相连的样式单( s t y l es h e e t ) 来向应用程序，比如浏览器，提供如何 处理显示的指示说明。一言以蔽之，x m l 是通过数据文档、d t d 、样式单三 个分离的部分来描述数据的。 虽然x m l 貌似复杂，但它有一些突出的优点： 6 基于x m l 的异构数据库集成系统的研究 ( 1 ) 良好的可扩展性。x m l 允许各个不同的行业根据自己独特的需要制定 自己的一套标记，同时，它并不要求所有浏览器都能处理这成千上万个标记， 同样也不要求一个置标语言能够适合各个行业各个领域的应用，这种具体问题 具体分析的方法更有助于置标语言的发展。 ( 2 ) 内容与形式的分离。正如前面所说，x m l 中信息的显示方式已经从信 息本身中抽取出来，放在了“样式单 中。这样做便于信息表现方式的修改， 便于数据的搜索，也使得x m l 具有良好的自描述性，能够描述信息本身的含 义甚至它们之间的关系。 ( 3 ) 遵循严格的语法要求。x m l 不但要求标记配对、嵌套，而且还要求严 格遵守d t d 的规定。这增加了网页文档的可读性和可维护性，也大大减轻了 浏览器开发人员的负担，提高了浏览器的时间空间效率。 ( 4 ) 便于不同系统之间信息的传输。不同企业、不同部门中往往存在着许 多不同的系统，x m l 可以用作各种不同系统之间的交流媒介，是一种非常理 想的网际语言。 ( 5 ) 具有较好的保值性。x m l 的保值性来自它的先驱之一一s g m l 语言， 可以为文档提供5 0 年以上的寿命。 正是基于这些优点，国际标准化组织一万维网联盟w 3 c ( w o r l dw i d ew e b c o n s o r t i u m ) 推荐x m l 作为第二代网页发布语言。 2 1 2x m l 相关技术 1 符合规则的x m l 文件 x m l 提供了一些特定的规则，x m l 文件必须符合这些规则，才可以被称 作”w e l l f o r m e d ，也就是符合规则的文件。对于不符合规则的x m l 文件，解 析器会拒绝处理这样的文件。 符合规则的条件： 文件必须以x m l 声明开始。 文件中必须有一个根元素。 标记必须是开始标记与结束标记成对出现。 如果标记不是成对出现的，必定是有“ 空标记。 文件必须是树状的结构。 大小写是不同的。 属性值的设置必须用“ 括起来。 限定字需用其他的方法。 2 x m l 三要素 7 陕西科技大学硕士学位论文 虽然x m l 有许多部分，但是只需要了解其中的三个就可以了解它是怎样 工作的。它们是文档类型定义d t d ，也就是x m l 的布局语言；可扩展的样式 语言x s l ，也就是x m l 的样式表语言；可扩展链接语言x l l 。 ( 1 ) 文档类型定义介绍： 一个x m l 文件遵守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) 中定 义的种种规定【，1 。d t d 描述了一个x m l 文档的语法和词汇表，也就是定义了 文档的整体结构以及语法。简而言之，d t d 规定了一个语法分析器为了解释一 个“有效的”x m l 文件所需要知道的所有规则的细节。d t d 原来是为使用s g m l 开发的，它可以是x m l 文档的一部分，但是它通常是一份单独的文档或一系 列文档。x m l 本身并没有一个通用的d t d ，想使用x m l 进行数据交换的行业 或组织可以定义他们自己的d t d 。 d t d 标记声明可以是元素类型声明、属性表声明、实体声明或符号声明。 x m l 提供一种称为文档类型声明的机制，用于定义对逻辑结构的约束支持 预定义存储单元的使用。文档类型声明指定了文档使用的d t d 。文档类型声明 出现在文档的序言部分，处在x m l 声明之后和第一个元素之前。它可以包括 d t d ，也可以标识d t d 所在文档的u r l 。一个合法的x m l 文档必须符合文 档类型声明指定的约束条件。而且，它的基本元素必须是在文档类型声明中指 明的。 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。事实上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。与d t d 相比，x m ls c h e m a 具有如下一些优点： 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。 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) 。 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 和s a x ( 关 于d o m 和s a x 的概念将在后面介绍) 。此时对于x m l 文档结构的描述已变成 为s c h e m a 这种“形式良好的 x m l 文档，可以方便d o m 和s a x 去访问。 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 基于x m l 的异构数据库集成系统的研究 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。 支持名称空间。 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 能够书写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 ) 可扩展的样式语言介绍： 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 ，可扩展样式语言) 是为x m l 文件定义 的一种标识语言【7 】，它将提供远远超过c s s 的强大功能，如将元素再排序等。 实际上简单的x m l 已可被c s s 所解释，然而复杂的高度结构化的x m l 数据 或x m l 文档则只能依赖于x s l 极强的格式化的能力而展现给用户。 x s l 以包含了一套元素集的x m l 语法规范而定义，该语法规范将被用来 把x m l 文件转换成h t m l 文件或x m l 文档。一个x s l 样式表集合了一系列 设计规则以用于将信息从x m l 文件中吸取出，并将其转换成h t m l 等其它格 式。这种转换将采用一种公开的方式，使其更加容易方便地被程序员描述。而 且x s l 还将提供多种脚本语言的通道以满足更为复杂的应用需求，因此尽管 x s l 是一项新的标识语言，但程序员完全可以继续充分发挥其所熟练的h t m l 或脚本语言的优势。x s l 凭借其可扩展性能够控制无穷无尽的标签，而控制每 个标签的方式也是无穷尽的。这就给w e b 提供了高级的布局特性。例如旋转 的文本、多列和独立区域。它支持国际书写格式，可以在一页上混合使用从左 至右、从右至左和从上至下的书写格式。 x s l 能使w e b 浏览器直接根据用户的不同需求改变文档的表示法，例如 数据的显示顺序改变，从而不需要再与服务器进行交互通信。通过变换样式表， 同一个文档可以显示得更大，或者经过折叠只显示外面的一层，或者变为打印 格式。可以设想一个适合用户学习特点的技术手册，它为初学者和更高一级的 用户提供不同的样式，而所有的样式都是根据同样的文本产生的。 正如x m l 介于h t m l 和s g m l 之间一样，x s l 标准介于c s s 和s g m l 的d s s s l ( d o c u m e n ts t y l es e m a n t i c s a n ds p e c i f i c a t i o nl a n g u a g e ，文档样式语义 和规范语言) 之间。d s s s l 定义格式化对象的全特征模式。由于d s s s l 使用框 架语法，而且是很复杂的，所以d s s s l 未能得到推广应用。x s l 支持d s s s l 流对象和c s s 对象，并对复杂的任务提供进入脚本语言的通道，而且允许扩展。 实现从c s s 到x s l 的映射是可能的，因而内容开发商无需学习这种语言的全 部。 9 陕西科技大学硕士学位论文 ( 3 ) 可扩展链接语言x l l 可扩展链接语言x l l ( e x e n s i b l el i n k i n gl a n g u a g e ) 分为两部分：x l i n k 和 x p o i n t e r 。x m l 链接语言x l i n k ( x m ll i n k i n gl a n g u a g e ) 定义了一文档如何 与另一文档的链接。x m l 指针语言x p o i n t e r ( x m lp o i n t e rl a n g u a g e ) 定义文 档的各部分如何寻址。x l i n k 指向u r i ，以指定特定的资源。此u r i 可能包含 x p o i n t e r 部分。 最后，让我们来看一个完整的x m l 例子，以便对x m l 的整体机制有一个 大致的了解。在下面的例子中，我们用x m l 来描述一个图书的信息列表。我 们先为这些数据定义一个d t d ： 以下是引用片段： s t u m l d t d 关于图书信息的标准x m l 文档是这样的： 以下是引用片段： 一一- 一p u b x m l l o 基于x m l 的异构数据库集成系统的研究 be i ji n gl i b r a r y d a t a b a s es y s t e mc o n c e p t 2 6 5 0 k a i l yj o n e k j o n e r e s e a r c h b e l l l a b s c o m si l e ns m i t h i n t r o d u c t i o nt ox m l 18 8 0 k a i l yj o n e aq u e r yl a n g u a g ef o rx m l k a i l yj o n e a d e u t s c h 现在我们为它制定一个样式单，以描述这些数据的显示： 以下是引用片段： 一m y s t y l e x s l l l 陕西科技大学硕士学位论文 图书信息 p r i c e ： n a m e ： e m a i l ： k - - 在i e 5 或以上版本中看到的x m l 文件的显示结果是这样的： 以下是引用片段： d a t a b a s es y s t e mc o n c e p t p r i c e ：2 6 5 0 n a m e ：k a i l yj o n e e m a i l ：k j o n e r e s e a r c h b e l l l a b s c o r n n a m e ：s i l e ns m i t h 基于x m l 的异构数据库集成系统的研究 e m a i l ： i n t r o d u c t l o nt ox l v l l p r i c e ：1 8 8 0 n a m e ：k a i l yj o n e e m a i l ： 3 x m l 解析器 ( 1 ) d o m d o m 是用与平台和语言无关的方式表示x m l 文档的官方w 3 c 标准【8 】。 d o m 是以层次结构组织的节点或信息片断的集合。这个层次结构允许开发人 员在树中寻找特定信息。分析该结构通常需要加载整个文档和构造层次结构， 然后才能做任何工作。由于它是基于信息层次的，因而d o m 被认为是基于树 或基于对象的。d o m 以及广义的基于树的处理具有几个优点。 首先，由于树在内存中是持久的，因此可以修改它以便应用程序能对数据 和结构作出更改。它还可以在任何时候在树中上下导航，而不是像s a x 那样 是一次性的处理。d o m 使用起来也要简单得多。 另一方面，对于特别大的文档，解析和加载整个文档可能很慢且很耗资源， 因此使用其他手段来处理这样的数据会更好。这些基于事件的模型，比如 s a x 。 ( 2 ) s a x 这种处理的优点非常类似于流媒体的优点。分析能够立即开始，而不是等 待所有的数据被处理。而且，由于应用程序只是在读取数据时检查数据，因此 不需要将数据存储在内存中。这对于大型文档来说是个巨大的优点。事实上， 应用程序甚至不必解析整个文档；它可以在某个条件得到满足时停止解析。一 般来说，s a x 还比它的替代者d o m 快许多。 ( 3 ) j d o m j d o m 的目的是成为j a v a 特定文档模型，它简化与x m l 的交互并且比使 用d o m 实现更快。由于是第一个j a v a 特定模型，j d o m 一直得到大力推广和 促进。正在考虑通过“j a v a 规范请求j s r 一1 0 2 ”将它最终用作“j a v a 标准扩展”。 从2 0 0 0 年初就已经开始了j d o m 开发。 j d o m 与d o m 主要有两方面不同。首先，j d o m 仅使用具体类而不使用 接口。这在某些方面简化了a p i ，但是也限制了灵活性。第二，a p i 大量使用 了c o l l e c t i o n s 类，简化了那些已经熟悉这些类的j a v a 开发者的使用。 j d o m 文档声明其目的是“使用2 0 ( 或更少) 的精力解决8 0 ( 或更多) 】3 陕两科技大学硕士学位论文 j a v a x m l 问题”( 根据学习曲线假定为2 0 ) 。j d o m 对于大多数j a v a x m l 应用程序来说当然是有用的，并且大多数开发者发现a p i 比d o m 容易理解得 多。j d o m 还包括对程序行为的相当广泛检查以防止用户做任何在x m l 中无 意义的事。然而，它仍需要您充分理解x m l 以便做一些超出基本的工作( 或 者甚至理解某些情况下的错误) 。这也许是比学习d o m 或j d o m 接口都更有 意义的工作。 j d o m 自身不包含解析器。它通常使用s a x 2 解析器来解析和验证输入 x m l 文档( 尽管它还可以将以前构造的d o m 表示作为输入) 。它包含一些转 换器以将j d o m 表示输出成s a x 2 事件流、d o m 模型或x m l 文本文档。j d o m 是在a p a c h e 许可证变体下发布的开放源码。 ( 4 ) d o m 4 j ， 虽然d o m 4 j 代表了完全独立的开发结果，但最初，它是j d o m 的一种智 能分支。它合并了许多超出基本x m l 文档表示的功能，包括集成的x p a t h 支 持、x m ls c h e m a 支持以及用于大文档或流化文档的基于事件的处理。它还提 供了构建文档表示的选项，它通过d o m 4 ja p i 和标准d o m 接口具有并行访问 功能。 为支持所有这些功能，d o m 4 j 使用接口和抽象基本类方法。d o m 4 j 大量 使用了a p i 中的c o l l e c t i o n s 类，但是在许多情况下，它还提供一些替代方法以 允许更好的性能或更直接的编码方法。直接好处是，虽然d o m 4 j 付出了更复 杂的a p i 的代价，但是它提供了比j d o m 大得多的灵活性。 在添加灵活性、x p a t h 集成和对大文档处理的目标时，d o m 4 j 的目标与 j d o m 是一样的：针对j a v a 开发者的易用性和直观