基于XML的政法机关半结构化数据处理模式研究可复制黏贴 优秀毕业论文.pdf

复旦大学 硕士学位论文 基于xml的政法机关半结构化数据处理模式研究 姓名：曾朝晖 申请学位级别：硕士 专业：软件工程 指导教师：李银胜 20070129 论文独创性声明 本论文是我个人在导师指导下进行的研究工作及取得的研究成果。论文中除 了特别加以标注和致谢的地方外，不包含其他人或其它机构已经发表或撰写过的 研究成果。其他同志对本研究的肩发和所做的贡献均己在论文中作了明确的声明 并表示了谢意。 作者签名 逝阻慨趣算 论文使用授权声明 本人完全了解复旦大学有关保留、使用学位论文的规定，即：学校有权保留 送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内 容，可以采用影印、缩印或其它复制手段保存论文。保密的论文在解密后遵守此 规定。 作者签名导师签名 蠢仰仳 嘲必 筚十x m l 的政法hl 关半编构他数_ 强处埋模歧州究摘要 摘要 本文研究的是我国政法机关在数掘处理模式方面的问题。政法机关经过几千年的 演变，已经形成了独特的业务处理模式和信息结构，在政府电子化的过程中，由于这 些特性的存在，不能机械地将般的信息处理方式应用在政法机关中。 本文在总结我国政法机关的业务处理模式和信息结构的基础上，提出了政法机关 的信息化应当采用半结构化的信息处理模式。针对政法电子政务存在问题、业务需求 提出分析，并提出可行的基于x m l 的半结构化数掘的解决方案x m l 半结构化文 书数据处理模式。主要完成了以下工作： 1 从技术角度描述了x m l 、半结构化信息的特点和处理方式，将基于x m l 的 半结构化文书处理技术运用到电子政务中，通过实践为陔语言可以方便灵活地 定义电子政务中各种复杂的业务流程提供了范例。 2 在分析我国政法机关业务处理模式和信息结构的基础上，提出了信息处理和应 用的模式，针对电子政务中数据交互的问题设计了一套基于x m l 的半结构化 文书格式和针对该格式的处理方式，从而可以在程序中实现电子公文生成、显 示和传输的自动化，突破了目前大多数政府网站电子公文所采用的”t m l 静 念格式、人工生成页面的方式。 3 结合实践经验，描述了政法机关信息交换的原理和应用模式，这是在基于政法 专网环境下，采用基于x m l + w e b s e r v i c e 实现不同机构之间的数据交换的处 理模式。这种模式具有标准、安全、适应性强等特征，而且经过实践的检验， 确实可行。 在项目丌发和应用的过程中，实践证明半结构化的信息处理模式在政法机关是正 确的、有效的，数据交换的模式也具有取得了相当好的成效，按照这种理论开发出来 的应用系统可以比较好地符合实际工作的需要。 关键词：政法机关，数据交换，x m l 半结构化数掘 县十x m l 的政法机关半站构化数据处理模- 研究 摘要 a b s t r a c t c h i n a sp u b l i cs e c u r i t ya n dj u d i c i a lo r g a n si nt h i sp a p e ri st h ep r o b l e mo fd a t a p r o c e s s i n gm o d e l a f t e rt h o u s a n d s o fy e a r so fe v o l u t i o no ft h ep o l i t i c a la n dl e g a lo r g a n s ， h a sd e v e l o p e dau n i q u eb u s i n e s sp r o c e s s i n ga n di n f o r m a t i o ns t r u c t u r e ，i nt h ep r o c e s so f e - g o v e r n m e n t , d u et ot h ee x i s t e n c eo ft h e s ec h a r a c t e r i s t i c s 。g e n e r a li n f o r m a t i o n p r o c e s s i n gm a c h i n e r yw i l ln o tb ea p p l i e d i nj u d i c i a lo r g a n s c h i n a sl e g a lo r g a n si nt h i sp a p e rd e a lw i t ht h eb u s i n e s sm o d e la n ds t r u c t u r eo f i n f o r m a t i o n ，t h ep o l i t i c a la n dl e g a lo r g a n s o ft h ei n f o r m a t i o ns h o u l db e u s e d s e m i s t r u c t u r e di n f o r m a t i o np r o c e s s i n gm o d e li nv i e wo ft h ep o l i t i c a la n dl e g a l p r o b l e m so f e - g o v e r n m e n t , b u s i n e s sa n a l y t i c a ln e e d s x m l - b a s e da n d v i a b l es o l u t i o no f s e m i s t r u c t u r e dd a t a o r i e n t e dx m ls e m i - s t r u c t u r e d i n s t r u m e n t st ot h el a w e n f o r c e m e n ta n dj u d i c i a lo r g a n sd a t a - p r o c e s s i n gm o d e l t h ea r t i c l ei sd i v i d e di n t of o u rp a r t s ： 1 f r o mat e c h n i c a lp o i n to ft h ex m ld e s c r i p t i o n ，i n f o r m a t i o no nt h e c h a r a c t e r i s t i c sa n ds e m i - s t r u c t u r e dm a n n e r 2 c h i n a sl e g a lo r g a n si nt h eb u s i n e s sp r o c e s s i n ga n da n a l y s i so fi n f o r m a t i o n s t r u c t u r eb a s e do nt h ei n f o r m a t i o np r o c e s s i n ga n da p p l i c a t i o no ft h e m o d e l 3 c o m b i n e dw i t hp r a c t i c a le x p e r i e n c e , d e s c r i b i n gt h ep o l i t i c a la n dl e g a l o r g a n so ft h ep r i n c i p l e sa n da p p l i c a t i o n o fi n f o r m a t i o ne x c h a n g em o d e l p r o j e c td e v e l o p m e n ta n da p p l i c a t i o no f t h e p r o c e s s ，p r o v e ds e m i - s t r u c t u r e d i n f o r m a t i o np r o c e s s i n gm o d a li nt h ep o l i t i c a la n dl e g a lo r g a n si sc o r r e c t ，e f f e c t i v e , b u t a l s od a t ae x c h a n g em o d e lh a sm a d ec o n s i d e r a b l eg o o dr e s u l t s a c c o r d i n gt ot h i st h e o r y , t h ea p p l i c a t i o n sc a nb ed e v e l o p e dt ob e t t e rm e e tt h en e e d so f a c t u a lw o r k k e y w o r d s ：j u d i c i a lo r g a n s ，d a t ae x c h a n g e ，x m ls e m i - s t r u c t u r e dd a t a 2 皋十x m l 的政泣 ：【关半结构化数据处理模戍埘究 绪论 1 1 本文研究意义 第一章绪论 我国政法机关在推行电子政务的过程中普遍遇到了信息资源利用率低、网络信息 安全保密机制不健全，文书交换不顺畅等问题，在丌发和实施具体项目的过程中发现： 在政法机关存在着大量半结构化的文书，目前的应用系统在解决这类问题光面存在着 空白点，解决半结构化的文书处理和安全问题对于促进电子政务在我国的发展有巨大 的推动作用。 在开发政法机笑( 检察业务) 电子政务项目的基础上，本文进行了一些r 结构化文1 5 的特征和处理 方法及其解决方案的探索。在实践的基础上，本文提出了研究、f 结构化的文1 5 处理平安全技术的课 题： 1 以半结构化的文书作为数据处理的对象，如何有效率地将文书中的数据抽取 出来，解决文书中的数据难以转化和利用的问题。 2 针对政法机关中的半结构化文书的特点，如何将文书处理过程与数据应用过 程结合在一起，提高信息的应用价值，打破“信息孤岛”的现象。 1 1 3 电子文书在不同机构间进行交换时，如何利用半结构化体系特点，综合采用 各种安全措施，保证文书交换的安全性。 对于政府机关中普遍出现的半结构化文书难以识别和应用的问题，如果能以创造 性方法，有针对性地解决目前政法机关信息化应用的难题，将会在电子政务、信息流 程处理等领域有着广泛的应用前景。 1 2 本文的主要工作 在丌发政法机关( 检察业务) 电子政务项目的基础上，本文进行了些半结构化 文书的特征和处理方法及其解决方案的探索。在实践的基础上，本文提出了研究半结 构化的文书处理和安全技术的课题： 1 以半结构化的文书作为数据处理的对象，如何有效率地将文书中的数据抽取出 来，解决文书中的数据难以转化和利用的闯题。 2 针对政法机关中的半结构化文书的特点，如何将文书处理过程与数据应用过程 结合在一起，提高信息的应用价值，打破“信息孤岛”的现象。 3 电子文书在不同机构问进行交换时，如何主动识别文书中包含的敏感数据，保 证文书交换的安全性。 4 对于政府机关中普遍出现的半结构化文书难以识别和应用的问题，如果能以创 早十x m l 的政i 2 , ；3 t 关半绵构化数据处璀模，叫究 造性方法，有针对性地解决目的政法机关信息化应用的难题，将会在电子政务、 信息流程处理等领域有着广泛的应用前景。 1 3 论文安排 本文主要论述面向政法机关的x m l 半结构化文书数据处理模式及其应用，围绕此 主题从技术的发展、背景到实际的应用的思路展丌论文。 首先在绪论中引入讲述我国电子政务的内涵、特征，发展我国电子政务的必要性， 以及x m l 在电子政务中的主要应用。 在第二章就国内外目前电子政务的发展状况以及目前在电子政务发展、研究上的 问题与需求进行资料查找、整理。 在第三章将重点在我国政法机构的电子政务目前的运作、性能、行政结构等方面 展丌论述，同时点明了目前我国政法电子政务已有系统的一些结构技术方面系统存在 的问题。 在第四章将简要地表达了要文所在应用到的x m l 技术一些基本介绍，包括x m l 的产生，定义，目f j 相关标准以及在文档格式上的表达，同时，主要表述了如何使用 x m l 进行半数据结构的表达与管理。 第五章将重点论述x m l 表达的关数据化结构在政法机关的信息化系统中的应用， 主要是在业务系统、公文系统上进行数据传送，数据结构表述的应用。 第六章讲述了利用x m l 半数据结构实现政法业务数据交换的模式及实现方案，以 及数据交换的具体的实现功能、原理、流程的表述。 最后在第七章对本文所论述的技术x m l 半数据化结构在政法机关的电子政务中 的应用可行性进行总结，得出可行的结论以及今后利用此技术在政法机关中应用的展 挚。 4 苹十x m l 的政注目l 关半结构化数据处理模- f 究 第二章基于x m l 的半结构化数据管理综述 第二章基于x m l 的半结构化数据管理综述 2 1 半结构化数据简介 目前，w w w 上存在着各种形式的数掘，其数据结构的组织方式也各不相同。 种极端情况是：传统的关系或面向对象的数据是完全具有结构的数掘；另一种极端是： 还存在着一些完全没有结构的数据，如映象( i m a g e s ) 文件、声音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，因而不得不将其忽略。 由此，人们提出了半结构数据的概念。 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。例如，对于一个有关商品信 息的w e b 页面集合，虽然每一个页面描述的商品不同，但它们都包含了相似的信息( 货 号、单价、颜色、外型、规格、单位、产地、性能等) 。这一信息框架隐含在数据中， 通常需要通过分析工具( 如文本分类器等) 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。例如对产品性能的表示，有的可能用表格形式表示，而有的则 可能使用一段有关产品性能的文字描述来表示。 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 式与数据问的界限模糊，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 述的模式会随着数掘的不断增多而扩展。 由上面的讨论本文可以给出这样一个定义：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) 和完全无结构的数据( 如声音文件、图像文件等) 之问 早十x m l 的政泫机关半耋l ! f 构化数据处理横- 州究第二章基于x m l 的半结构化数据管理综述 的数掘形式。 2 2 半结构化数据的特点 半结构数掘具有如下一些特点： ( 1 ) 隐含的模式信息。半结构数掘具有一定的结构，但其结构与数据混在一起，没 有显示的模式定义，如h t g l 文件。 ( 2 ) 不规则的结构。一个数掘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 tn a m e 和l a s t1 s d l l e 组成的复杂结构。 ( 3 ) 没有严格的类型约束。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，所以缺乏对数掘的严格类型约束。 目前关于半结构数据的研究主要集中在新的数据模型、查询模式、存储技术以及 优化技术等方面。在众多的研究课题中，对半结构数据结构的研究是一个非常重要的 方向。半结构数据的模式与传统的关系及面向对象数据的模式不同，主要有如下一些 特点： ( 1 ) 对半结构数据来说，是先有数据后有模式。 ( 2 ) 半结构数据的模式是用于描述数据的结构信息，而不是对数据结构进行强制性 的约束。 ( 3 ) 半结构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 数据处理各阶段的不同视角而不同。 ( 4 ) 半结构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之中。 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用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，其中所涉及到的很多 相关研究也刚丌始起。 2 3 传统d b m s 用于半结构数据管理的缺陷 传统的d b m s ，如关系或面向对象数掘库系统，是为管理结构数据而设计的。例 如，关系d b 含有出固定类型的属性构成的表，而o o d b 系统则是依赖于专门的类层 次。在这两类系统中( 包括对象一关系混合系统) 都需要有事先定义好的模式以对数据进 行管理。因此，若用传统的d b m s 来管理半结构数据，则有以下的局限性： ( 1 ) 需要花费相当大的气力来设计一种能捕获半结构数据源中所有数掘格式的统一 6 草十x m l 的政法机关牛耋l ! 构化数据处理模- 究第二章基于x m l 的半结构化数据管理综述 模式。 ( 2 ) 半结构数据在装载之前，必须根据所选择的模式将其转换成有特定格式且具有 良好结构的数据。但对于很多应用程序来说，这种转换将是非常费时和麻烦的。 ( 3 ) 5 对半结构数据进行添加或做修改操作后，还需要另外花费气力柬调整模式。 本文知道，传统d b m s 中模式的迁移是一个十分令人头痛的问题，因为这不仅涉及到 对磁盘上数据物理布局的重新组织，还必须对用户或应用程序中的查询进行修改。 ( 4 ) 在半结构数掘上设计具有良好结构的查询并非易事，并且还存在着执行效率的 问题。 由于以上所述的这些局限性，因此，在很多涉及到半结构数据应用的情况时，尽 管传统d b m s 的有很多功能，如a d h o e 查询、有效的存取、并发控制、故障恢复以及 安全等功能都很有用，但一般还是尽量不使用传统的d b m s ，因为毕竟它不是专门为 管理半结构数据而设计和丌发的。 2 4 半结构数据管理的主要研究内容 半结构数据管理问题引发出了很多新的研究课题，主要的研究内容为： ( 1 ) 半结构数据模型 数据模型是数据管理的基础，在对半结构数据进行管理时也是如此。在考虑设计 开发面向半结构数据管理的系统之前，首先要有一个用于描述半结构数据的数据模型。 由于半结构数据很容易用某种形式的图或树结构所描述，所以早期提出的模型是一种 简单的、基于图的数据模型。目前在半结构数据的建模中仍普遍采用这类模型，如 t s i m m i s l o r e 、v e r s a t i l e 、s t r u q l 等系统。虽然这类模型能较好地反映出半 结构数据的特性，但研究人员也提出了一些不足之处，并对这类模型或者进行了改进， 或者提出了一些新的模型。因此，半结构数据模型仍是目前的重要研究方向之一。 ( 2 ) 半结构数据的查询语言 由于半结构数据的结构不完全及不规整等特点，将传统查询语言不经改进就用于 半结构数据的查询显然是不合适的。半结构数据查询语言应当自动地使用户从严格的 类型约束中解脱出来的。也就是说，当在不清楚数掘的结构类型时，能够使用路径表 达，通过“导航”的方式柬遍历数据图。半结构数据查询语言还应当具有对半结构数据 的数据重构能力。目前已经丌发出了几种用于半结构数据的查询语言，如l o r e l 、 u n q l 、w e b s q l 、w e b o q l 及s t r u q l 等。这些查询语言的共同特点是，通过使 用正规路径表达式，可以遍历数据中任意长度的路径。因此，这种查询语言是递归的。 幕于x m l 的政注机关、十结构化数据处理模止纠究第二章基于x m l 的半结构化数据管理综述 ( 3 ) 半结构数据的存储 所有的传统d b m s 都是以数据的有效存耿为宗旨，并将数据持久地存于磁盘上的。 但由于半结构数据具有图或树状的数据结构，因此将这种半结构数掘以聚类( c l u s t e r ) 方 式存贮以支持有效的存取并非易事。 ( 4 ) 用于半结构数掘管理的d b m s d b m s 是一种由若干组件构成的复杂的软件系统，其中每个组件都执行着特定的 数据管理任务，传统的r d b ，o o d b 和o r d b 系统中已对这些组件的功能有了极其深 入的研究。由于用于半结构数据管理的d b m s 在其整个体系结构上仍可能是十分传统 的，因此有可能对传统d b m s 中的这些组件进行修改或扩充，以支持半结构数据的管 理。l o r e 系统可以蜕仍是目前唯一的一个专门为半结构数据管理而设计、开发的 d b m s 。同样也有一些专f - i n 于查询w w w 和管理w 曲站点的系统出现。 ( 5 ) 半结构数据管理系统的多用户支持 目前，对于专用于半结构数据管理且支持多用户的研究课题不论在哪个层面上都 还没有展开。在半结构数据的多用户的研究上，或许可以借鉴数据库技术中的一些成 熟的登录及加锁机制和一些更为复杂的分层加锁系统。目前这一问题仍然是一个有待 进一步研究的课题。 ( 6 ) 半结构数据的视图 视图主要是根据用户或应用程序的需要对数据进行剪裁，以增加d b 的灵活性。 在半结构数据上定义视图要比在传统的d b m s 复杂得多。半结构数据上的视图可能是 定义在一个图上，而其结果则可能是( 概念地或物理地) 在另一个图上。另外，用于半结 构数据的视图声明语言以及实视图的维护算法也是一个棘手的问题。 ( 7 ) 结构与半结构混合数据的管理 通常，半结构d b 中并不一定全是半结构数据，有时也可能含有一部分结构良好 的数据。在这种情况下，如何对这种兼有结构和半结构的混合数据进行有效的存储和 查询也是目的的研究方向之一。 ( 8 ) 数掘集成 数据集成所要解决的问题是将来自不同的、异构数据源上的数据集成到一起，以 便于在本地对其进行编辑和操纵。而这些来自于不同的、异构数据源上的数据可能是 不规整的，并且是具有不同数据格式的半结构数据。因此，若能有效地解决其半结构 数据的管理问题，也就为数据集成丌辟了道路。目前，用于半结构数据的集成系统主 要有美国s t a n f o r d 大学和i b ma l m a d e n 研究中心联合开发的t s i m m i s 系统，国内也 8 摧十x m l 的政法机关半结构化数据处理摸止研究第二章基于x m l 的半结构化数据管理综述 有人在进行研究并提出了一些原型系统。 2 5 基于x m l 的半结构数据管理 2 5 1x m l 的优越性 ( 1 】半结构化的数据模型 传统数据库中的数据是结构化的，实体及实体日j 的关系用二维表来表示，实体问 多对多的关系要引进中j 日j 表来表示，这种表示方法有大量的数掘冗余；而x m l 是一种 半结构化的数掘模型，它的自我描述性质能够很好地表现许多复杂的数据关系，结构 简单明了。 ( 2 ) 数据与格式无关性 x m l 的数据存储格式不受显示格式的制约。一般来说，一篇文档包括二个要素： 数据、结构以及显示方式。x m l 把文档的二要素独立歼来，分剐处理。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 e s h e e t ) q b ，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。 ( 3 ) 便于数据查询 x m l 的文档描述的语义非常清楚，而且很容易就可以将之和关系数据库中的属性 一一对应起来，所以不论是数据库杳询还是基于w e b 上的内容查询都能够支持实施十 分精确的查询。i s 2 5 2x m l 相关标准 x m l 不单单是一种技术，而是一组技术，这里将这些技术称为一个“标准家族”， 该家族由以下规范组成： x s l ( e x t e n s i b l es t y l el a n g u a g e ) ： 可扩展式样式语占 x p a t h 、x l i n k 、x p o i n t e r ：x m l 链接语言 x m l 名称空间( x m l n a m e s p a e e ) 另外，x m l 查询( x q u e r y ) i 目前还只是个草案，标准现讵在制定中a 2 5 3x m l 的语法与结构 可以借助逻辑或物理结构描述x m l 文档。 一、逻辑结构 9 毕十x m l 的政法# 【关卡结构化数据处理模式州究第二章基于x m l 的半结构化数据管理综述 文档的逻辑结构包括元素和属性。它还包括交叉引用，这是指向文档其他部分或 外部对象的链接。这种链接植根于基本x m l 语言，但不依赖于x m l 链接语言。当想 在某处插入一张图、一个脚注或参考文献时，这种链接非常有用的。 每个x m l 文档，不管是否具有一个d t d 、模式还是仅仅是良构的，都具有某种 预先定义的结构或模型。结构部件称为元素。元素包含信息或内容并且可能包含其他 元素( 它们可能既包含信息，又包含其他元素，也可能是空的) 。其中有一个元素称为根 元素，它包含所有其他元素。 有些元素具有利用属性添加的额外信息。属性可与标签或形容词相比，它们还可 能提供元数据一一关于数据的数据。例如，如果你正在撰写关于各种型号的小汽车， 属性可能定义颜色、引擎动力，等等。根据文档的d t d 或x m l 模式，属性可能是必 须的，也可能是可选的。【9 】 二、物理结构 逻辑结构是指概念文档，物理结构描述实际数据及它们存储在哪旱。按照x m l 规范的定义，x m l 文档可能由个或许多存储单元组成，它们称为实体。 实体的命名惯例类似于逻辑结构中元素和属性的命名惯例。有一个实体包含整个 x m l 文档，它称为根实体或文档实体。 x m l 处理器将x m l 文档看成一系列以顺序方式读取的字符。当它看到实体引用 时，它就读取该实体的名字，并用实际文本块、图形或其他媒体来替代该实体引用。 一个实体可能是从单个字符到一个庞大文件的任何东西，但是用户常常将文档分解为 小块数据，形成更易于操作的实体。实体可以是任何类型的媒体( 一个图形，一个声音 剪辑文件、一幅动画，等等) ，而且可以存储在任何地方，例如，存储在数据库、远程 服务器的平面文件或w e b 网站中。【l o 】 2 5 4 x m l 文档格式 x m l 文档的基本结构由序言部分和一个根元素组成。序言包括了x m l 声明和 d t d ( 或者是x m ls c h e m a ) ，d t d ( d o c u m e n tt y p e d e f i n e ，文档类型定义) 和x m l s c h e m a 都是用来描述x m l 文档结构的，也就是描述元素和属性是如何联系在一起的， x m l 文档类型说i j y j ( d o c u m e mt y p ed e c l a r a t i o n ) 指向文档类型定义( d t d ) 和其他外部实 体( 物理存储单元) 。一个x m l 文档中有且仅有一个根元素，其他所有的元素都是它的 子元素。p i t 首先看一下下面的例子，它就是一个简单的x m l 文档： 0 苎茎丛生盟亟垫机关半结构化数据处理模式研究第二章基于x m l 的半结构化数据管理综述 w a n g 5 0 0 0 z h a n g 3 8 0 0 x m l 文档中能出现的有效对象是：处理指令、注释、元素、根元素、子元素和属 性。 1 、处理指令 处理指令给x m l 解析器提供信息、，使其能够正确解释文档内容，它的起始标 识是“ 元素来描述， 而 元素中又嵌套- j 和 ：元素。另外，x m l 支持空元素，即无 内容的元素，如 或 。 4 、根元素和子元素 如果一个元素从文件头的序言部分之后丌始一直到文件尾，包含了文件中所有的 数据信息，本文称之为根元素。关于根元素必须遵循下述四条规则：x m l 文档中总有 且只有一个根元素；任何打丌说明语句后的第一个元素永远是x m l 文档的根元素：根 元素的关闭标注后面决不能再有另一元素的关闭标注；与任何其他元素一样，打丌标 注与关闭标注之间大小写必须一致。x m l 元素是可以嵌套的，那么被嵌套在内的元素 称为 子元素。在l ； 面的例子中， 就是 的子元素。 5 、属性 属性给元素提供进一步的说明信息、，它必须出现在起始标签中。属性以名称取值 对出现，属性名不能重复，名称与取值之间用等号“= ”分隔，并用引号把取值引起来。 如上例语句： 5 0 0 0 中c u r r e n c y 就是s a l a r y 的属性， c u r r e n c y 是属性名，u s $ 是属性c u r r e n c y 的值。 1 3 1 2 5 5 x m l 的应用与发展前景 x m l 能够实现企业内和w e b 上的许多应用，如下所列：与媒体无关的全球出版、 使用元素名和元数据的精确数据搜索和检索、后处理、增强的性能、组件媒体管理、 w e b 网站管理、可访问性、定制出版、个性化出版、事件驱动的数据库交互、应用程 序间的通信、数据聚集、电子商务( 购物应用、供应链管理) 、电子文档交换等。一下面 是凡个具体的实例1 1 4 1 1 、商务的自动化处理 x m l 的丰富标签完全可以描述不同类型的单据，例如信用证、保险单、索赔单以 及各种发票等。结构化的x m l 文档发送至w e b 的数据可以被加密，井且很容易附加 上数字签名。因此，x m l 有希望推动e d l ( e l e c t r o n i cd a t ai n t e r c h a n g e ) 技术在电子商务 领域的大规模应用。0 5 1 2 、精确数据的搜索和检索 上网搜索资料的大都有这样的经历：利用大多不同搜索引擎的每个可利用特征构 早卡x m l 的政注机关半结构化数据处理模，研究第二章基于x m l 的半结构化数据管理综述 造一个查询，但仍然只能得到一长串匹配，它们有时只包含要搜索的信息片断。搜索 引擎这种不精确性的原因是，目前大多数w m l 都是为视觉表达( 如黑体、斜体和缩进) 编码的，它也有一个简单的结构概念：标题、段落或列表：但h t m l 不包含元素( 如作 者、价格或头衔1 ，不能为这些元素指派特殊属性，不能提供结构的一致性。而x m l 则利用一个庞大的编码标注集在文本内确定特定信息，从而解决这个问题。这样就能 检索精确数据，免除经过一长串匹配的冗长搜索过程。l j 6 】 3 、信息发布 信息发布在企业的竞争发展中起着重要作用。服务器只需发出一份x m l 文件，客 户可根据自己的需求选择和制作不同的应用程序以处理数据。加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 ) 的帮助，使广泛的、通用的分布式计算成为可能。 4 、智能化的w e b 应用程序和数据集成 x m l 能够更准确地表达信息的真实内容，其严格的语法降低了应用程序的负担， 也使智能工具的丌发更为便捷。来自不同应用程序的数据也能够转化到x m l 这个统一 的框架中，进行交互、转化和进一步的加工。【l 7 l 5 、x m l 的应用现状 x m l 的优点备受瞩目，目前数据库领域的三大巨头m m ，o r a c l e 和m i c r o s o f t 都在应用x m l ，使数据库运行得更快并适宜于提供w e b 服务。 更热的当属w e bs e r v i c e ，而x m l 是w e bs e r v i c e 实现的核心技术。w e bs e r v i c e 目的是为了让地理上分布在不同区域的计算机和设备一起工作，以便为用户提供各种 各样的服务。用户可以控制要获取信息的内容、时间、方式，而不必像现在这样在无 数个信息孤岛中浏览，去寻找自己所需要的信息。w e bs e r v i c e 是在现有的w e b 技术和 设施之上，通过制定新的协议和标准、提出新的技术来实现的。新提出的与w e b 服务 相关的土要协议和技术包括s o a p s i m p l eo b j e c ta c c e s sp r o t o c o l ，简单对象访问协 议) ，w s d l ( w e bs e r v i c e sd e s c r i p t i o nl a n g u a g e ，w e b 服务描述语言) 、u d d i ( u n i v e r s a l d e s c r i p t i o n ，d i s c o v e r ya n di n t e g r a t i o n ，统一描述、发现和集成) 。s o a p 用柬定义数据描 述和远程访问的标准，为使用x m l 在松散、分布的环境中对等地交换结构化和类型化 信息提供的一个简单机制：w s d l 是发句和请求w e b 服务的x m l 格式描述语言； u d d i 则把w e b 服务与用户联系起来，起中介作用。当然，w e b 服务的具体实现并不 局限在这几种协议和技术上，但可以看出x m l 是w e bs e r v i c e 的基石。目前m i c r o s o f t 公司的n e t 与s u n 公司的s u no n e 的解决力案就是以x m l 技术为基础，实现的一个 w e bs e r v i c e s 框架。【1 q x m l 的发展方兴未艾，随着x m l 技术的成熟，应用会越来越广泛。 早十x m l 的政法机关半结构化数据处理模歧研究第二章基于x m l 的半结构化数据管理综述 2 5 6 半结构化数据实例 x m l 数据模型与半结构数掘之日j 的对应是非常明显的。可以说x m l 就是半结构 数据的一个特例。许多用于半结构数据管理的技术都可以很容易地应用到x m l 数据 上。例如，用于描述半结构数掘的o e m 模型。就可以稍加改进后用来表示x m l 数据。 s t a n f o r d 大学数据库研究组就将其丌发的、用于半结构数掘管理的原型系统l o r e ，移植 到完全基于x m l 的数据模型上，并相应地对其查询语言进行了扩充。【l 9 】 半结构数据的结构类似于图或树。这种结构通常称为有向标记图。x m l 图也可以 认为是一种非常灵活的数掘模型。一个x m l 图通常满足下列条件：( 1 ) 图的顶点出唯一 的字符串标识，称为对象标识( o l d ) ；( 2 ) 图的边用元素标记( e l e m e n t t a g ) 来标记；( 3 ) 图的结点用一组属性值标记；( 4 ) 图的叶节点由值( 字符串) 标记；( 5 ) n 有一个根节点。 由此可见，x m l 图非常合适描述分布的、多念的、动态变化的w 曲数据。而另一方面， 数据( 包括不规则数据) 与x m l 图也能很方便地直接映射。例如，o e m 模型与x m l 图 之间的对应关系就非常简单：o e m 对象对应于x m l 中的元素( e l e m e n t ) ；o e m 中的子 对象关系反映了x m l 中的元素嵌套。它们之自j 的不同之处在于x m l 的子元素可能是 有序的，并且x m l 元素可能包含( 属性，值) 的列表。为了支持x m l 的这两个特点， 可以在o e m 模型中引入如下三个新特性：( 1 ) 有序的子对象；( 2 ) ( 属性，值) 列表；以及 ( 3 ) 引用边( r e f e r e n c ee d g e ) 。通过上述修改，o e m 就能很容易地成为支持x m l 的数据 模型了。1 2 0 l 2 6x m l 在电子政务中的应用 x m l 是近几年来w 3 c 提出的数据格式和数据交换的标准。x m l 及其相关技术的 发展为解决电子政务的难点，为电子政务系统解决方案提供了一个新的思路。 从我国于2 0 0 2 年6 月2 8 日启动的六项电子政务标准制定项目中可以看出，x m l 的应用涉及到电予政务的方方面面。这是与x m l 在w e b 上所表现出来的强大优势分不 丌的。【2 l 】 x m l 技术在电子政务标准技术参考模型的各层中几乎都有应用： 网络基础设施层：网络基础设施层的主要内容是网络，网络是具体电子政务应用 的承载体，不在x m l 技术的应用范围之内。【2 2 】 应用支撑层：应用支撑层主要出一些不同电子政务应用所需的共享服务所组成， 与特定的业务应用无关。任何支持多个不同业务应用、独立于单个组织部门业务逻辑 的服务便是该层的潜在的候选，典型的例子包括信息交换、事务处理、流程控制、数 据存取等。x m l 技术在该层的应用包括：为各类特定的业务系统提供通用的数据表示存 1 4 皋十x m l 的政法机关半结构化数据处理模，研究第二章基于x m l 的半结构化数据管理综述 储和数据操纵机制；作为信息交换的数掘格式标准实现异构数据的集成和交换；在流 程控制中对业务流程的定义进行规范，以解决不同的业务流引擎之间的相互协作问题。 应用层：应用层通过调用应用支撑层的共享服务完成特定的应用功能，从而完成 通过网络基础设施向不同客户提供政务服务的整个过程。该层包含了很多面向不同政 府应用领域、不同客户的特定应用。例如公文处理是电子政务中最常见的特定业务领 域，公文的处理涉及公文的生成、表示、存储、更新、交换、检索和流程处理控制等， 是一个涉及全面技术领域的综合性具体业务应用。应用支撑层中的埘l 数据存取技术、 信息交换技术、流程控制技术等，对解决公文处理领域的各类技术问题，提供了比较 合适的技术标准。此外，x m l 技术还为应用层中信息发布的实现提供了灵活的技术手段， 使数掘内容同显示方式分离丌来，有效地支持不同的信息使用方式、不同的终端设备 信息显示等。基于x m l 的w e bs e r v i c e s 技术提供了比较完善的服务体系结构，可以解 决本层中政府部门间的业务资源共享互用、政府机构之间相互服务等问题。】 信息安全：电子政务的安全问题是电子政务中非常重要的方面，它的涉及面很广， 要确保电子政务系统的安全性，可以从网络、传输层、操作系统、服务或应用等各个 层面将各种安全技术与总体安全保护计划结合起来进行综合考虑。目前，在电子政务 中，可利用的x m l 安全技术包括：x m l 加密、x m l 数字签名、) ( m l 密钥管理、x m l 访问 控制等。 管理：整个参考模型中所有其它的层次( 网络基础设施层、应用支撑层、应用层) 构成了整个电子政务的基础结构，然而不可缺少的是，它们均需要一个管理结构和管 理流程支持和保证各个层次的有效良好运作。在管理层，主要涉及管理数据的访问、 管理流程的实现等。可综合运用应用支撑层中的x m l 数据访问、x m l 流程控制等共享服 务为这些功能的实现提供支持。 2 4 1 可见，x m l 这门新兴的技术赖于其本身的技术特点，能有效地运用在电子政务框架 体系的各个层次当中，为目前电子政务中面临的资源共享、安全控制、业务协同和业 务集成等系列核心问题提供有效的解决手段，并能为与其他领域( 如电子商务等) 的 业务互通、互连提供适当的技术基础。这些都迫切要求本文对x m l 在电子政务中的应 用做出更加深入的研究。 羊十x m l 的政泣机关半结构化数据处理摸a 研究第三章政法机关数据处理的现状与需求 第三章政法机关数据处理的现状与需求 3 1 我国政法机关数据处理的现状 3 1 。1 我国政法机关数据处理的运作特点 电子政务的关键在于应用信息技术提升政务工作的效率、准确度、降低成本和时 问，因而，本文首先必须对我国政法机关的运作情况有个深入的认识。在进行本项目 的研究时，笔者对政法机关的组织结构、管理模式、工作方式、人员素质状况等进行 了分析，认为，我国的政法机关属于国家行政机构的一部分，在人员结构、业务处理 模式等方面具有很强的特色，因而在信息化建设方面具有如下一些重要特征： 1 ) 业务人员较多、人员年龄结构分布广、素质存在一定差异；一般的政法机关 的办公楼内集中了1 5 0 - 4 0 0 名办公人员，超过4 0 岁的人员使用计算机的能力 不足。但业务处理过程涉及到各个工作环节，不能绕过这些使用计算机不熟练 的人员。 2 ) 硬件设备和网络条件较好：政法机关基本上已经实现了基于局域网的办公环 境，每个工作人员均有计算机用于办公，计算机设备属于中等以上商业用机， 完全可以使用功能比较强的应用软件。 1 1 上下级