基于xml的文檔資料管理上

基于xml的文檔資料管理上

1文檔資料的問題萬維網(wǎng)是一個分布廣泛、全球范圍廣泛的信息服務中心。它包括新聞、廣告、消費信息、金融管理、教育、電子商務和許多其他信息服務。因此，高效資源和web知識的管理具有很大的挑戰(zhàn)。目前文檔管理所面臨的難題主要表現(xiàn)在以下幾個方面。(1)文檔資料的數(shù)量極其龐大。當前萬維網(wǎng)上的文檔資料過于龐大,其數(shù)據(jù)量以兆兆字節(jié)計算,而且仍然在迅速地增長。(2)文檔資料的組織形式多種多樣。目前的文檔資料以不同的格式存儲于不同的數(shù)據(jù)組織形式之中,其中包括文本數(shù)據(jù)、關系數(shù)據(jù)庫數(shù)據(jù)、面向對象數(shù)據(jù)庫數(shù)據(jù)、文件數(shù)據(jù)以及聲音、圖像、郵件等。(3)Web頁面的復雜性高于任何傳統(tǒng)的文本文檔。Web頁面缺乏統(tǒng)一的結構,它包含了遠比任何一組書籍或其它文本文檔多得多的風格和內(nèi)容。為解決以上問題,就必須實現(xiàn)文檔的同一性結構組織,和頁面內(nèi)容的有效的標識和索引。所謂同一性結構組織,意即數(shù)據(jù)文件的組織結構不依賴于系統(tǒng)平臺和數(shù)據(jù)庫管理平臺;實現(xiàn)頁面內(nèi)容的有效標識,即將數(shù)據(jù)信息與格式信息相分離,從而以有表述能力的標簽語言表達文檔內(nèi)容。2基于rssp的意義具有形成了xm-l-pcp的注意條XML技術作為文檔管理難題的解決手段已經(jīng)日益被人們接受和采納。一方面,大量的原始信息開始通過特定的轉換機制,整合為XML數(shù)據(jù);另一方面,未來將會有大量的Web頁面用XML書寫,并遵循一組良好的文檔類型定義,從而有利于促進不同Web站點間的信息交換,更便于實現(xiàn)對各種組織形式的海量文檔資料的有效管理。XML的最大優(yōu)點在于它的數(shù)據(jù)存儲格式不受顯示格式的制約。一般來說,一篇文檔包括三個要素:數(shù)據(jù)、結構以及顯示方式。XML把文檔的三要素獨立開來,分別處理。首先把顯示格式從數(shù)據(jù)內(nèi)容中獨立出來,保存在樣式表單文件中,這樣如果需要改變文檔的顯示方式,只要修改樣式表單文件就行了。XML的自我描述性質能夠很好地表現(xiàn)許多復雜的數(shù)據(jù)關系,使得基于XML的應用程序可以在XML文件中準確高效地搜索相關的數(shù)據(jù)內(nèi)容,忽略其他不相關部分。XML還有其他許多優(yōu)點,比如它有利于不同系統(tǒng)之間的信息交流,并有希望成為數(shù)據(jù)和文檔交換的標準機制。3創(chuàng)建系統(tǒng)配方本節(jié)主要描述基于XML的文檔管理,內(nèi)容包括以下幾個方面:(1)XML數(shù)據(jù)存取機制;(2)XML與數(shù)據(jù)庫;(3)XML文檔創(chuàng)建;(4)XML文檔類型定義;(5)XML文檔的顯示。3.1數(shù)據(jù)庫的應用從整體上講,XML定義了應用間傳遞數(shù)據(jù)的結構,而且這種結構的描述不是基于二進制的、只能由程序去判讀的代碼,而是一種簡單的、能夠用通用編輯器讀取的文本。XML數(shù)據(jù)源多種多樣,根據(jù)具體的應用,大概可分為下面三種:一種是XML純文本文檔,第二種是關系型數(shù)據(jù)庫,第三種則來源于其他各種應用數(shù)據(jù),如郵件、目錄清單、商務報告等。其中,第一種來源,即XML純文本文檔是最基本的也是最為簡單的,將數(shù)據(jù)存儲于文件中,其最大的優(yōu)點在于可以直接方便地讀取,或者加以樣式信息在瀏覽器中顯示,或者通過DOM接口編程同其他應用相連。第二種數(shù)據(jù)來源是對第一種來源的擴展,其目的是便于開發(fā)各種動態(tài)應用,其優(yōu)點則在于通過數(shù)據(jù)庫系統(tǒng)對數(shù)據(jù)進行管理,然后再利用服務器端應用(如ASP,JSP)等進行動態(tài)存取。這種方式最適合于當前最為流行的基于三層結構的應用開發(fā)。3.2關系數(shù)據(jù)庫中的表與表之間的關聯(lián)數(shù)據(jù)庫提供了對于大批量數(shù)據(jù)的有效存儲管理和快速信息檢索、查詢的功能。從體系結構上看,數(shù)據(jù)庫技術的發(fā)展歷經(jīng)了網(wǎng)絡型數(shù)據(jù)庫、層次型數(shù)據(jù)庫、關系數(shù)據(jù)庫、面向對象數(shù)據(jù)庫。雖然面向對象數(shù)據(jù)庫融入了面向對象技術,但是到目前為止,在各個領域使用最廣的還是關系數(shù)據(jù)庫。關系數(shù)據(jù)庫管理系統(tǒng)采用二維表格作為存儲數(shù)據(jù)的模型,表格由行和列組成,一般情況下,列被稱作“字段”用于表示組成數(shù)據(jù)有效信息的屬性,而行則用于指示一條完整的數(shù)據(jù)記錄。由于數(shù)據(jù)間的相關性可以通過表與表之間關鍵字來關聯(lián),由此產(chǎn)生了“關系”類型數(shù)據(jù)庫的由來。針對XML數(shù)據(jù),一般有兩種存儲方式:一是將其按結構層次拆分開來分別存于不同字段,二是將XML文檔原封不動地存入數(shù)據(jù)庫。3.3ent的關系型數(shù)據(jù)庫現(xiàn)在假定文檔保存在一個名叫document的關系型數(shù)據(jù)庫中,其中有football表,包含了甲A聯(lián)賽的報道。可以定義以下XML文檔結構:3.4屬性的互動關系文檔類型定義詳細描述了一組文檔結構規(guī)則,提供了一連串的元素、屬性、表示法和文檔中的各種實體以及其相互間的關系。對應于上面的XML文檔,可以進行下面的文檔類型定義:3.5web服務器xllXSL是為XML文檔定義的一種標識語言,提供了遠遠超過CSS的強大功能.它包含了一套元素集的XML語法規(guī)范,該語法規(guī)范用宋把XML文檔轉換成HTML文檔。一個XSL樣式表集合了一系列設計規(guī)則,以用于將信息從XML文檔中提取出來,并將其轉換成HTML等其它格式。XSL憑借其可擴展性能夠控制無窮無盡的標簽,而控制每個標簽的方式也是無窮無盡的,于是給Web提供了高級的布局特性。同時,XSL不僅僅是應用格式,當使用XML瀏覽器時,XSL源文檔中的信息將被評價、重新安排,然后重新組裝。這樣,最終所得到的不只是XML的數(shù)據(jù)版本,而且還可以被很容易地添加、修改和重新排序的靈活的源信息。這個最終產(chǎn)品叫做結果樹。這樣,XSL能使Web瀏覽器直接根據(jù)用戶的不同需求改變文檔的表示法,如數(shù)據(jù)的顯示順序改變,從而不需要再與服務器進行交互通信。通過變換樣式表,同一個文檔可以顯示得更大,或者經(jīng)過折疊,只顯示外面的一層。4實現(xiàn)相關文本文檔的同一性,提高資源的整合和共享為了解決文檔管理所面臨的難題(1)文檔資料的數(shù)量極其龐大、(2)文檔資料的組織形式多種多樣和(3)Web頁面的復雜性高于任何傳統(tǒng)的文本文檔,就必須實現(xiàn)文檔的同一性結構組織,和頁面內(nèi)容的有效的標識和索引?；赬ML技術實現(xiàn)文檔管理,已經(jīng)日益被人們