（计算机应用技术专业论文）xml模式与关系模式相互映射的研究与应用.pdf

摘要 随着w e b 的迅速发展，现有的技术越来越不能满足人们对互 联网上的信息进行深层次处理的要求。于是一种新的标记语吉 一x m l 应运而生，为w e b 的进一步发展提供了更为完善的机制。 由于x m l 大大的增强了w e b 上处理信息的能力，所以它的初始标 准一被制定，就得到了大家的接受，并彼广泛的应用于众多的领 域。， i 但是由于网络的出现只有二十年左右的时间，w e b 的应用则 只肴十年不到的时间，所以我们以前的绝大部分数据部不是以 x m l 形式存放的。其中最主要的信息存放形式就是关系数据库中 的记录。由于关系数据库是一种比较成熟的技术，而且在处理数 据方面关系数据库也有许多优点，所以完全摒弃它是不现实也是 没有益处的。这就需要我们能实现这两个系统数据之间的转化， 充分的利用各自的优势使数据能够满足我们不同的需要。由于此 研究具有很强的现实意义，所以在国外已经引起了众多学者的关 注。而在国内，此方面的研究还相对薄弱，所以我们在此方面做 了一些尝试，在他们的研究基础上珂我们提出了一整套实现x m l 和关系数据库之间数据模式的相互转换的办法，相关的文章分别 发表在 1 2 3 4 上。这篇论文是在前面一些研究工作和新华 航空公司相应系统实现基础上的总结。我们首先在总结多种映射 方法的基础之上，提出一个利用d t d 文档，在关系数据库中通过 多阶段x m l 文档信息的提取与变换，最终实现x m l 模式到关系模 式的映射。其次我们在总结用d t d 文档描述关系模式向x m l 模式 的转换信息的基础上，利用x m ls c h e m a 相对于d t d 更为强大的描 述能力的特性，用较为简洁的结构保存了x m l 文件的动态信息和 相关信息，实现了关系模式向x m l 模式的完全转换。最后我们讨 论了x m l 查询语言中的一种( x m l q l ) 到关系数据库的标准查询语 言s q l 之间的转化，使得映射在关系数据库的x m l 数据可以得到 合理而高效地利用。 关键词：x m l 、x m l 模式、关系模式、d t d 、x m ls c h e m a 、x m l q l 、 s q l 北方交通大学硕士研究生学位论文 a b s t r a c t w i t ht h ed e v e l o p m e n to fw e b ，t e c h n o l o g yc a n ts a t i s f yp e o p l e s p r o f o u n dl e v e lr e q u i r e m e n to fp r o c e s s i n gw 曲i n f o r m a t i o nm o r ea n d m o r e s oan e wm a r k u pl a n g u a g e 一x m lb r i n g su p i tp r o v i d e sm o r e c o n s u m m a t em e c h a n i s mf o rw e b sf u r t h e rd e v e l o p m e n t b e c a u s e x m ls t r e n g t h e n so u ra b i l i t yo fp r o c e s s i n gi n f o r m a t i o no nt h ew 曲 s i n c ei t si n i t i a lv e r s i o ni sm a d e m a n yp e o p l eh a v ea c c e p t e di ta n d a p p l i e d i tt om a n yf i e l d s t h e r ea r eo n l y2 0y e a r so rs oi na p p e a r a n c eo f t h ei n t e m e t t h e r e a r eo n l yt e ny e a r $ i nt h ea p p l i c a t i o no fw 曲s om o s to fo u rd a t aa r e n o ts t o r e da sx m lf o i t n t h em o s tc o m m o nf o r mi sr e l a t i o n a lm o d e l i nd a t a b a s e b e c a u s cr e l a t i o n a ld a t a b a s ej sam a t u r et e c h n o l o g y , i th a s m a n ya d v a n t a g e si np r o c e s s i n gd a t a d i s c a r d i n gr e l a t i o n a ld a t a b a s ei s v a i na n dn o tr e a l i s t i c w es h o u l di m p l e m e n tt h ec o n v e r s i o nb e t w e e n x m la n dr e l a t i o n a ld a 掘b a s et os a t i s f yo u rd i f f e r e n tr e q u i r e m e n t sb y m a k i n gu s eo ft h e i re a c ha d v a n t a g e s t u d yi n t h i sf i e l dh a sg r e a t a p p l i c a b l em e a n i n g s ，s oi tg e t sm a n ys c h o l a r s a t t e n t i o n i no u r c o u n t y , t h es t u d yi sl e s s w eh a v ed o n es o m e w o r ko ni t o nt h eb a s i s o ff r u i to ft h o s es c h o l a r s w ep u tf o r w a r das e to fw a y so f i m p l e m e n t i n gm o d e le x c h a n g eb e t w e e nx m la n dr e l a t i o n r e l e v a n t p a p e r sh a v eb e e np u b l i s h e di n 【1 2 1 3 4 1 t 1 1 i sp a p e ri s t h e s u m m a r yo fs o m er e s e a r c h w o r ka n dr e a l i z a t i o nf o u n d a t i o no f x i n h u aa i r l i n e s c o r r e s p o n d i n gs y s t e m f i r s t ，o n t h eb a s i so f s u m m a r yo tm a n ym a p p i n gw a y s ，w eb n n gt b r w a r daw a yo f i m p l e m e n t i n gm a p p i n gw i t hd t dt h r o u g hm u l t i p h a s e se x t r a c t i o n a n dt r a n s f o r m a t i o no fx m li n f o r m a t i o n s e c o n d a f t e rr e s e a r c ho f m a p p i n gf r o mr e l a t i o n a lm o d e lt ox m lm o d e lw i t hd t d w e i m p l e m e n t t h e m a p p i n gw i t h an e wb u tm o r ec o m p l e x s t a n d a r d x m ls c h e m a b e c a u s ex m ls c h e m ac a l ld e s c r i b em o r e i n f o i t n a t i o nt h a nd t dd o e s w ea l s ou s em o r es i m p l es t r u c t u r et o s t o r a g e x m ld o c u m e n t s d y n a m i ci n f o r m a t i o na n dr e l a t i v e i n f o r m a t i o n t h i r d w ed i s c u s st h em a p p i n gw a yo ff r o mx m l q lt o s q l x m l - q li so n ex m lq u e r yl a n g u a g e t h ec o n v e r s i o nb e t w e e n q u e r yl a n g u a g e sc a np r o v i d er a t i o n a la n dh i g h e f f i c i e n tu s eo fd a t a t h a tm a p p e di n t or e l a t i o n a ld a t a b a s e k e y 、，o r d s ：x m l 、x m lm o d e l 、r e l a t i o n a im o d e l 、d t d 、x m l 2 北方交通大学领士研究生学位论文 s c h e m a 、x m l q l 、s q l 3 些立銮望盔兰堡! 竺壅竺堂! ! 堡苎一 1 1 研究背景 第一章研究综述 自从1 9 9 8 年2 月w 3 c 发布x m l ( e x t e n s i b l em a r k u p l a n g u a g e ) 1 0 语法的推荐标准以来，由于其国际性、结构化、标 准化等优点，x m l 得到了充分的发展。除了标准本身不断的得到 完善，而且陆续有新的应用标准制定，大大的提高了x m l 的应 用范围和前景。 大家对x m l 的发展和应用都给予了相当的重视，对于x m l 可能给未来互联网的发展所起到的作用都给予了极高的评价。如 2 0 0 0 年5 月9 日，美国微软公司的比尔盖茨总裁在 “n e t w o r l d + i n t e r o p 2 0 0 0 ”上做基调讲演中提到“新一代因特网的 关键在于把握x m l ，现在的因特网是以w e b 浏览器为中心构成 的。如果使用x m l ，就可以统一多种语言，多种数据格式以及多 种表现方式。因此，微软公司将把其操作系统和应用软件产品全 都与x m l 相对应。x m l 将来将成为具有相互连接特性的因特网 标准”。 现在许多公司都在自己的产品中提供对x m l 的支持，并且 纷纷加紧自己x m l 产品的研制和开发。如m i c r o s o f t 公司在 i n t e m e te x p l o r e r 5 中为x m l 提供了较高级的支持，在数据库产品 s q ls e r v e r 中也在不断增加对x m l 的支持程度。浏览器的另 个大生产商n e t s c a p e 的m o z i l l a 工程最近也提供了对x m l 的巨大 支持。数据库公司更是不遗余力的在将x m l 与关系数据库相结 合，以期提高数据库的处理数据方面的能力和范围【5 。 在实际应用中，人们也有实现x m l 数据与关系数据相互映 射的需求。对于一些业务范围比较广的大公司如新华航空公司， 它的主要设备供应商都是大型跨国公司，许多设备的资料都是 v i l 数据文件的形式。而在日常管理中，设备的使用信息则是关 系数据的形式，所以他们迫切的需要一个系统提供数据格式之间 的转换。从而能更好进行资料的共享和信息的沟通。 综上所述，实现x m l 数据与关系数据的映射都具有极其重大 的实际意义和应用价值。我们实现了这种映射，就等于在不同形 式的数据之间建立一座桥梁，使得数据能在两个系统中自由交换， 通过不同的表现形式实现不同的目的，满足我们不同的需求。我 北方交通人学颁上研究生学位论文 们认为主要具有以下几个方面的意义： 1 ) 实现了关系模式向x m l 模式的转换，就可以很容易实现数据 的w e b 化。我们就可以将存储在关系数据库中的历史数据以 一种全新的表现形式放在w e b 上，提供更为全面的数据服务。 2 ) 实现了关系模式向x m l 模式的转换，我们可以更加容易的实 现数据交换。当数据以x m l 形式存在时，就不会有关系数据 库中不同数据库的数据之问需要第三方工具进行转换的问题。 3 ) 实现了x m l 模式向关系模式的转换，我们可以更好的管理 x m l 数据。x m l 数据是以a s c i i 文件形式存在的，虽然它 有很多优点，但是以多个文件存在不但不好管理而且不易查 询。所以当数据转换为关系模式后，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 2 研究动态 我们在这部分介绍一下x m l 存储的研究动态、x m l 数据库 的研究动态以及x m l 模式与关系模式映射的研究现状。 1 2 1x m l 的存储研究动态 由于x m l 的应用越来越广泛，所以如何保存x m l 格式的数 据也成为人们关注的重点。现在x m l 数据绝大部分是以a s c i i 文件形式保存的。这样有许多优点，如：它不需要其他管理系统 的支持，实现起来较为简单；即使文件的一部分被损坏，其他数 据还是可以被利用，不受影响；便于交换和传输，进行数据交流 等等。而且现在的浏览器如i e 和n e t t l e 都支持用默认模式直 接显示x m l 文档。但是用a s c i i 文件保存x m l 数据也有种种 缺点，如每次浏览和查询时都需要解析，修改数据很困难，以文 件形式存放的数据很杂乱不容易管理等等。所以许多专家也提出 了其他多种存储x m l 数据的方法。一种很有希望的方法是用数 据库对x m l 进行存储、检索和操作，即把x m l 标记的数据收入 一个框架中，在种更容易管理、更系统化、更为人们所熟悉的 环境中完成搜索、分析、更新和成果输出工作。存储x m l 数据 的数据库主要有以下三种： 1 ) 建立专门数据库进行管理。 这被认为是最好的一种管理x m l 数据的模式，但是由于 韭塑奎望冬兰婴兰堕塑兰兰垡堡兰一 x m l 标准刚制定不久，且还在不断的补充和修改，所以还无法针 对x m l 标准建立一个较为完善的数据库管理系统。而且一旦建 立的这种系统，又存在标准统一的问题，如果不能很好的解决这 一问题，将会严重的影响x m l 的通用性。 2 ) 转换到对象数据库中管理。 这种方法比较简单，且技术较为成熟，而且x m l 中各个要素 的性质和对象均很相似，所以比较容易映射和管理。但是由于对 象数据库应用范围较窄，所以此方法使用也很有限。 3 ) 转换到关系数据库中进行管理。 由于关系数据库经过几十年的发展，已经成为一种较为成熟 的技术，不但其存储性能上有很多的优化措施，而且针对数据的 查询和管理关系数据库也有许多成熟的技术来处理。所以这种技 术很适合处理大量的综合性的x m l 数据，关系数据库可以将这 些数据进行集合并提供强大的查询功能。 虽然这三个方面都有学者进行研究，但是大部分的研究工作 还是集中在后两个方面，特别是用关系数据库存储和管理x m l 格式的数据方面。 1 2 2x m l 数据库的研究动态 而从存储数据的格式考虑，用数据库存储x m l 数据有两种 不同的方式：内部不是以x m l 格式存储的x m l 数据库，叫做 “x m l e n a b l e d 数据库”：内部以x m l 格式存储数据，就称为 “n a t i v e x m l 数据库”。现在的研究主流是x m l e n a b l e d 数据库。 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 ， 是出自以下几种考虑：首先，普通的关系数据库已尽人皆知，而 n a t i v e x m l 数据库是新的：其次，人们熟知现有的关系数据库， 也了解它的性能，因此，他们不愿意转向n a t i v e x m l 数据库，因 为其性能，特别是可伸缩性尚未经过检验；最后，在企业看来， 选择关系数据库是比较安全的【1 1 。 n a t i v e x m l 数据库和x m l e n a b l e d 数据库都有相应的产品 出现。目前，最有名的商用n a t i v e x m l 数据库是s o f t w a r e a g 公 司开发的t a m i n o 。除了可以存储和访问x m l 外，t a m i n o 还具 备多项功能，包括o p e nd a t a b a s ec o r m 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。t a m i n o 拥有直接x m l 检索和特殊检索的能力，其查询语言强大而简短，可进入任意深 8 些垄奎堕盔兰堡! ：业壅生兰竺堡兰一 度。 其他n a t i v e x m l 数据库包括d b x m l 、e x e 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 a t i v e x m l 数据库的最大问题 是性能问题。当所搜寻的信息位于大文档的末尾时，由于缺乏其 他机制，n a t i v e x m l 数据库只能艰苦跋涉到最后，而关系数据库 和面向对象数据库则可以将文档分成小块同时进行搜索，速度当 然要快得多。 x m l e n a b l e d 数据库主要是关系数据库和面向对象数据库。 这些数据库在收到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。如x y v i s i o n 公司研制的c o n t e m 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。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 。目前，许多主流的数据库厂商都在把 x m l 支持结合到其产品中，或者提供可在其数据库中使用x m l 的工具。i b m 提供了x m l e x t e n d e r f o r d 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 r 的s q ls e r v e r 6 5 和7 0 也进行了x m l 扩充，据悉s q 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。 1 2 1 3x m l 模式与关系模式映射的研究动态 理论上现在对于x m l 模式数据和关系模式数据之间映射的 研究主要集中在三个方面：x m l 模式到关系模式的映射、关系模 式到x m l 的映射、x m l 查询语言到s q l 语言的映射。我们在 下面对这三个方面的研究动态做一个简要的介绍： 1 ) x m l 模式到关系模式的映射 现在的工作大多都是利用d t d ( d o c u m e n tt y p ed e s c r i p t o r ) 【1 4 】这一用来描述x m l 文档中标记和元素结构的语法约束文档 来实现x m l 模式到关系模式转换的。如a l i nd e u t s e h 等提出的 s t o r e d ( s e m i s t r u c t u r e d t o r e l a t i o n a l d a t a ) 系统1 1 5 1 ，综合关系和 半结构化技术来处理半结构化文档，对每一个稳定的模式，s t o r e d 就分配一个表，将不属于任何稳定模型的数据项存储在一个半结 构中。并且它还可以利用数据挖掘的方法来处理不符合d t d 的 x m l 文档。j a n a v e ls h a n m u g a s u n d a r a m 等在 1 6 1 提出原型系统， 北方交通大学顾上研究生学位论文 引入d t d 图，并以此为基础提出递归及集合值的处理方法和关 系表的简化。d a n i e l af l o r e s c u 等在 1 7 0 7 把x m l 文档作为一个 有序、有向的图，元素作为图中的结点，元素之间的关系用带标 签的边表示。他们还举出了三种从存储边的方法和两中存储图中 叶子的方法及这两种方法的六中不同组合存储方式。g e r t ik a p p e l 等在 1 8 1 中较为详尽的讨论了x m l 中不同性质的元素和属性与 关系表和字段的映射关系。 2 ) 关系模式到x m l 的映射 迄今为止研究人员对此也做了大量的研究工作，如r b o u r r e t 等在 2 0 1 中对表及字段的映射做了简单的描述，数据类型均映射 为p c d a t a ，没有对其他方面的问题做深入的研究；k e v i n w i l l i a m s 制定了从e r 图到d t d 转换的十一条规n 2 1 1 ，概括了 关系模式到x m l 的映射的过程；v o l k e rt u r a u 在x m l d b m s 中 实现了两者之间的转换 2 2 】，但是主要工作是基于 2 1 】中的内容之 上。 3 ) x m l 查询语言到s q l 语言的映射 到现在为止只有i o a n am a n o l e s c u 等对q u i l t 转换为s q l 做了 一定的研究 2 3 1 。他们提出q u i l t 查询语言重写的等价规则，并根 据q u i l t 查询语言的特点，分析其特征，在一个虚拟机构上实现 了查询语言的转化。 综上所述，在x m l 模式与关系模式相互映射方面，众多学者 已经取得了一定的成果。但是由于x m l 标准比较新，所以这三 个方面都还存在着一些尚未解决的问题或有待改进的地方。 1 3 研究工作 我们在前面些研究工作基础上进步深入，针对x m l 模 式与关系模式相互映射这一领域的一些问题，提出了自己的解决 办法，并成功的实现了个映射系统，应用在新华航空公司的 x m l 数据与关系数据的转换上。我们下面简要的介绍一下我们的 工作。 1 3 1 工作内容 我们的工作主要是： 1 ) 在总结多种映射方法的基础之上，提出一个利用d t d 文档 1 0 苎变銮望盔堂堕! ：型塑竺堂垡堕苎一 在关系数据库中通过多阶段x m l 文档信息的提取与变换，最 终实现x m l 模式到关系模式的映射。 2 ) 我们在总结用d t d 文档描述关系模式向x m l 模式的转换信 息的方法基础上，利用x m ls c h e m a 相对于d t d 更为强大的 描述能力的特一陛，用较为简洁的结构保存了x m l 文件的动态 信息和相关信息，实现了关系模式向x m l 模式的完全转换。 3 ) 我们讨论了x m l 查询语言中的一种语言( x m l q l ) 到关系数 据库的标准查询语言s q l 之间的转化，使得映射在关系数据 库的x m l 数据可以得到合理而高效地利用。 最后我们的系统应用在新华航空公司的日常管理中，实现了飞 行数据不同格式的转换。即保证了关系数据库对飞行日常信息的 记录和监控，又保证了飞行数据以x m l 格式与其他公司进行信 息交流，取得了较好的应用价值。 1 3 2 工作重点 针对以前研究成果中的一些不足，我们的研究重点方面主要 集中在以下几个方面： 1 ) 在x m l 模型到关系模型的映射方面，在o e m 模型的基础上， 提出了一种更能描述x m l 文档结构的n o e m 模型。对x m l 文档中的各个要素进行了更为详细和准确的表示，从而减少了 映射的复杂性。 2 ) 在x m l 模型到关系模型的映射方面，我们的n o e m 模型的 物理模型包括内存的数据结构和数据库中的关系表。这样不但 解决了利用内存空间分析x m l 文档的其他模型对于文档大小 的限制，而且信息存储在关系数据库中，也使得将来文档结构 改变时，我们可以直接根据关系数据库中的信息构建内存中的 模型，减少了工作量。 3 ) 在关系模型到x m l 模型的映射方面，我们采用了相对于大多 数研究工作中所采用的d t d 文档更为严格和具体的x m l s c h e m a 文档来描述关系信息，使得关系模式的信息基本上都 保存了下来，保证了映射的完整性和有效性。 4 ) 在x m l 查询语言到s q l 的映射方面，我们针对有可能成为 x m l 查询语言参考标准的x m l q l 语言，提出了分两个阶段 进行映射。我们在不同的阶段分别实现结构信息和数据信息的 映射，减少了工作量，简化了工作的复杂度。 ! ! 查窒里叁兰塑土丛坚兰兰竺堡兰一一 1 4 论文组成 本论文主要分为以下几个部分： i ) 第一章研究综述，主要介绍课题研究的背景、意义、研究动态 以及我们所做的工作。 2 ) 第二章x m l 语言的产生，主要介绍x m l 语言的基础s g m l 语言、与x m l 语言互为补充的h t m l 语言，以及x m l 语言 的发展和优点。 3 ) 第三章x m l 标准的内容，主要介绍x m l 标准的三个层次： 元语言标准、基础标准、应用标准。着重介绍了映射依据元语 言标准、以及基础标准中的x m ld t d 和x m ls c h e m a 。 4 ) 第四章x m l 模式与关系模式，主要介绍了关系模式以及关系 模式和x m l 模式的不同。 5 ) 第五章x m l 模式向关系模式映射，主要介绍利用x m ld t d 文档得到x m l 的文档结构，并在n o e m 模型上，通过逐步 的信息提取，完成模式映射和数据导入。 6 ) 第六章关系模式向x m l 模式映射，主要介绍了关系模式的 x m ls c h e m a 描述，最后生成保存较完整关系信息的x m l s c h e m a 文档以及相应的x m l 数据文档。 7 ) 第七章x m l 查询语言向s q l 的转化，主要介绍了通过分阶 段转换，将x m l q l 的七种常用查询语言模式用s q l 语言表 水a 8 ) 第八章x m l 模式与关系模式映射的应用，主要介绍了新华航 空公司x m l 模式与关系模式映射系统的功能、框架和特点。 ! ! 垄奎望查兰堡! 堕窒皇堂焦笙兰一 第二章x m l 的产生 x m l ( e x t e n 是在w e b 迅速发展、信息交换的要求不断提高的 背景下产生的。x m l 是在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 p l a n g u a g e ) 的基础之上发展而来的，继承了s g m l 的许多特点。 同时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 ) 也是从s g m l 发展而来 的，x m l 主要是针对h t m l 的不足进行补充，所以在介绍x m l 之前，我们先介绍一下s g m l 和h t m l ，最后介绍一下x m l 标 准的发展。 2 1s g m l 简介 s g m l 是由g m l 发展而来的。g m l 的制定是为了提供一个 可互操作系统的专用文件系统。随着标准制定工作的不断深入， 1 9 8 6 年国际标准化组织( i s o ) 采用了这套标准，并更名为s g m l 。 s g m l 是第一个允许使用者将数据和处理数据的程序分开的标准 化技术。s g m l 让使用者可以透过信息分析盼程序以找出数据的 结构和内容。s g m l 使开发人员能够集合在起方便地开发数据 结构规范，创建文档类型定义( d t d ) ，然后将它运用到整个组织 内的文档。更重要的是，在许多情况下，用s g m l 创建的文档能 够容易地移植到不同的格式。因为s g m l 使用基于内容的标记， 而不是基于格式的标记，所以改变格式化规则很容易。s g m l 提 供描述文档和创建新的一致性衡量准则所必要的公共框架。几乎 所有处理文档的语言都可能追溯到s o m l 。很多大型组织利用 s g m l 进行复杂的电子文档交换。但是正是由于s g m l 所提供的 自由度太高，所以它非常复杂，应用领域也很窄，只用于一些对 文档的格式要求特别严格的场合【5 。我们在下面给出个s g m l 文档的例子： ! ! 塑奎望查兰堡! 竺垒兰兰些堕兰一一 1 0 1 2 9 9 y o u y o u r s c o m f r o m p m e m i n e c o m lj u s tm a i l e dt od a y 2 2 h t m l 的简介 h t m l 是由w e b 的发明者t i mb e m e r s - l e e 和同事d a n i e l w c o n n o l l v 于1 9 9 0 年创立的- z o o 标记式语言。它是标准通用化 标记语言s g m l 的应用。用它的语法规则建立的文档可以运行在 不同操作系统的平台上。因此，h t m l 文档属于纯文本文件。从 1 9 9 4 年到1 9 9 6 年，经过从h t m l 2 到h t m l 3 2 的发展，w e b 在 商业和个人用户群中迅速普及。1 9 9 7 年1 2 月底，w 3 c 发表了最 新的h t m l 推荐标准h t m l 4 。在h t m l 4 中表示标记与结构 标记分开，w 3 c 不仅回到了传统标记语言的根源，而且使自己便 于将x m l 引入w e b 世界。h t m l 已经走了很长的路，它走得很 快，但其本身作为一门被设计为用于格式化的标记语言的局限性 已日益明显。每次w e b 站点在规模上翻一番时，搜索引擎的局限 性都显得越来越明显。随着w e b 的逐渐普及，h t m l 在显示不容 易符合标准文本和图形模型的信息时，表现出来的局限性越来越 突出。由于h t m l 文档在结构上与x m l 文档有些类似，所以我 们在下面简要介绍一下h t m l 文档的结构。 h t m l 文件由元素( e l e m e n t ) 组成，组成h t m l 文件的元素有 许多种，用于组织文件的内容和指导文件的输出格式。绝大多数 元素是“容器”， 即它有起始标记和结尾标记。元素的起始标记 日q 做起始链接签( s t a r tt a g ) ，元素结束标记叫做结尾链接签( e n d t a g ) ，在起始链接签和结尾链接签中向的部分是元素体。每一个 元素都有名称和可选择的属性，元素的名称和属性都在起始链接 签内标明( 6 】。一个h t m l 文件应具有下面的结构： h t m l 文件开始 文件头开始文件头 文件头结束 文件体开始 文件体结束 h t m l 文件结束。 4 北方交通大学顾上研究生学位论文 2 3x m l 的发展 w 3 c 于1 9 9 8 年2 月发布x m l l 0 语法的推荐标准( 官方标 准1 。x m l 由从s g m l 委员会演变而来的w 3 c 的x m l 工作组控 制。x m l 工作组控制与x m l 直接相关的大部分规范，包括x m l 语法、x m l 扩展链接和x m l 分段使用。同时，w 3 c 的其它工 作组控制其它支持性标准，如文档对象模型( d o m ) 、级联样式表 f c s s ) 和可扩展样式语言( x s l ) ，以及补充或应用x m l 的标准， 如多媒体同步一体化语言( s m i l ) 以及资源描述框架( r o f ) 等。 w 3 c 的x m l 工作组仍然在不断的修改和完善x m l 标准的内容， 最新的标准可查阅h t t p ：w w w w 3 o r g x m l 。 x m l 标准刚发布时，对x m l 的支持大部分停留在程序员能 够使用的水平，但一般的h t m l 开发人员还不能够使用。这种状 况现在正在慢慢改变，许多公司正加大支持x m l 标准的力度。 x m l 能迅速的得到广泛的应用，主要因为它具有以下几个优点 7 】： 1 ) x m l 是国际性的标准。它是以u n i c o d e 为基础。u n i c o d e 为每 一个字符考虑到较大的存储空间，让能够u n i c o d e 包含外国字 符。s o m l 与h t m l 都是以a s c i i 为基础，这在面对外国字 符时将常常无法正常运做。 2 ) x m l 可以结构化。利用d t d 、x m l 可以结构化，好让内容 和语法都能轻易的进行验证。这种强化的结构化特性让你可以 建立标准化而且有效的x m l 文件。 3 ) x m l 文件可以使用组合的方式建立。利用x m l 更具威力的 链接方式，文件可以利用其他文件的组合来建立。这种强化的 链接系统让你只需选择其他文件上你想要的部分，就可以轻松 的建立自定义文件。 4 ) x m l 可以作为数据容器。x m l 非常适合作为资料的容器。利 用d t d ，你可以有效的呈现几乎所有的数据，让人们、计算 机分析程序与应用程序可以阅读。 5 ) x m l 提供了弹性。x m l 让你可以不使用d t d 或者使用d t d 来将文件的结构定义成最详尽的内容。利用d t d ，你可以定 义出文件的正确结构，让数据与内容的结构都能被轻易的验 证。 6 ) x m l 容易使用。x m l 只比h t m l 稍微复杂一些。 ! ! 垄奎婆查兰堡! 堕塑兰堂些丝墨 一一 第三章x m l 标准的内容 x m l 标准种类繁多，w 3 c 指定的相关标准就有二十多个， 采用x m l 指定的重要的电子商务标准就有十多个。x m l 标准可 分为元语言标准、基础标准、应用标准三个层次 8 1 。如图2 - 1 所 示： 图2 1 1 ) 元语言标准( m e 协1 a n g u a g e ) ：描述的是用来描述标准的元 语言。在x m l 标准体系中就是x m l 标准，是整个系统 的核心，其他x m l 相关标准都是用它制定的或为其服务 的。 2 ) 基础标准( f o u n d a t i o ns t a n d a r d s ) ：这层次的标准是为了 x m l 的进一步实用化制定的标准，规定了采用x m l 制定 ! ! 垄奎望盔兰塑! 塑塑竺兰些堡兰一 标准时的一些公用特征、方法或规则。如：x m ls c h e m a 描述了更加严格的定义x m l 文档的方法，以便可以更自 动化地处理x m l 文档；x m ln a m e s p a c e 用于保证x m l d t d 中名字的一致性，以便不同的d t d 中的名字在需要 时可以合并到一个文档中等等。 3 ) 应用标准( a p p l i c a t i o ns t a n d a r d s ) ：x m l 已开始被广泛接 受，大量的应用标准，特别是针对i n t e m e t 的应用标准， 纷纷采用x m l 进行制定。当前较为重要的应用标准主要 包括：s m i l ( 有关多媒体同步显示的) 、w a p ( 无线应 用协议) 、w i d l ( w e b 接口定义语言) 、c d f ( 频道定义 格式) 。 3 i 元语言标准 元语言标准是用来规定x m l 文档语法的，它确定x m l 文档 应该由那些元素构成，这些元素应该以什么样的形式出现。所以 元语言标准是整个x m l 标准的基础。我们在下面简要介绍一下 元语言标准所规定的x m l 文档的结构和形式【8 】： 1 ) 序：文档的序包含了除内容和标记之外的所有相关信息。序通 常包括指向应用处理的特殊指令。 2 ) x m l 声明：x m l 声明完成两个重要的任务。第一部分指明文 档是x m l 文档；第二部分告诉处理文档的应用程序是只处理 文档，还是文档和d t d 。 3 ) 处理指令：用来给处理x m l 文档的应用程序传递信息。指明 在文档中，用来描述非a s c i i 字符的字符代码系统。处理指 令或p i 定义为提供信息给软件应用程序使用的标记。 4 ) 元素：元素是主要的标记部件，在d t d 中通过元素声明定义。 元素在文档中非常明显，因为它用标志做了标记。标志提供对 内容最基本的描述。多数标志是成对出现的，用一个放置在描 述开始部分的s t a r t 标志开始，而用一个放置在描述结尾部 分的e n d 标志结束，描述的内容则放在s t a r t 和e n d 标志 之间。标志也可以是单独的。它的隐含意思是e m p t y 标志。 一个e m p t y 标志不能包含另外的元素或常规元素，因为它没 法用s t a r t 和e n d 标志包含任何东西。e m p t y 元素被用来 在文档中插入实体，或者通过属性值而不是通过描述的内容来 提供内容。 北方交通大学颂l 研究生学位论文 5 ) 内容：在非e m p t y 元素中内容实际上就是基于文本的常规 数据。它们位于元素的开始标识符和结束标识符之间。 6 ) 属性：属性为元素提供附加的信息。许多元素都通过d t d 的 属性列表定义，使用一个或多个属性。它们给描述添加一种级 别规范，要求什么样的标志必须嵌套在什么样的标志当中。属 性可以拥有许多不同类型的值，包括从列表中选择的预定义值 和用户定义的文本。有些属性是必须的，也有些是可选的。不 管它们的形式和需求状况如何，属性的使用方法和标志没什么 区别。通过属性，可以要求在每一次使用某个元素时，必须包 含确定的信息，或者为了确保当x m l 处理器处理由d t d 编 写的文档时，能根据需要设定的固定值去正确的处理它们。正 确的属性定义还可以帮助避免由于数据不相符而引起的问题， 数据不相符的文档也在文档创建中经常遇到。属性由一个属性 名和相关的值组成。 7 ) 实体：通常实体就是数据单元。实体可以包含二进制数据、图 形、声音文件甚至j a v a 小程序。实体可以很容易的包含文本 数据，描绘一个x m l 文件中所包含的大块文本。不管类型如 何，包含在x m l 文档中的每个实体都必须预先定义在文档的 d t d 中，甚至结构化的文档也有d t d ，因为它们总是包含实 体的。每个x m l 文档都有一个外部d t d 和一个内部d t d 。 外部d t d 包含所有通用的声明比如元素和属性。那些适用所 有文档的d t d ，内部d t d 则定义文档的特殊部分，比如那些 只用在个别文档里的图形实体声明。实体是x m l 最有用的特 性之一。利用实体，可以将几个x m l 文件组合成一个，甚至 可以创建一组组进程使用的元素和属性，以便在构建d t d 时 能得到便捷的参考。 8 ) 注释；x m l 中书写的注释语法等价于h t m l 和s g m l 中的 注释：它以标记说明打开定界符( ! ) 和注释打开定界符( 一) 开始，形成组合定界符 ! 用注释关闭符和标记说明关闭符 专关闭注释。 3 2 基础标准 基础标准包括一系列支持x m l 标准的附加标准。它们使得 x m l 文档更加完备和规范。我们在做映射时就必须根据x m l d t d 或x m ls c h e m a 来确定x m l 文档的结构或描述x m l 文档 ! ! 立奎望叁堂堡! ! 壁塑竺兰垡堡苎一 的结构。所以我们主要介绍其中若干个重要的标准：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 ) 、x m ls c h e m a 、x m l 名称 空间( x m ln a m e s p a c e ) 、扩展样式语言x s l ( e x t e n s i b l es t y l e l a l l g u a g e ) 规范、x m l 链接语言规范( x m ll i n k i n gl a n g u a g e ，包 括x p a t h 、x l i n k 和x p o i n t e r ) 。 3 2 1x m l d t d x m l 文件结构可以利用两种标准来定义。第一种标准是 x m l 规格，它定义了建立所有x m l 文件的预设规则。任何符合 x m l 规格中所定义基本规则的x m l 文件都被称为格式完整的 x m l 文件。第二个标准，是由文件的作者所建立，被定义在文件 类型定义d t d ( 或x m l s c h e m a ) 中，这个标准是选择性的。当 x m l 文件符合定义于d t d ( 或x m ls c h e m a ) 中规则时，该文 件就称为有效的x m l 文件。 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) 规范实际 是x m l 规范的一部分，同时又是可选的：可以写一个没有d t d 的x m l 文档。d t d