燕 衛(wèi)

(廈門海洋職業(yè)技術(shù)學(xué)院，福建 廈門361012)

隨著XML的廣泛應(yīng)用，XML正在成為數(shù)量龐大的數(shù)據(jù)源，如何利用RDBMS強(qiáng)大數(shù)據(jù)管理功能管理XML數(shù)據(jù)已成為一個(gè)研究熱點(diǎn)，由于XML數(shù)據(jù)與關(guān)系數(shù)據(jù)庫的數(shù)據(jù)模型不同，實(shí)現(xiàn)XML數(shù)據(jù)與數(shù)據(jù)庫數(shù)據(jù)的相互轉(zhuǎn)換顯得尤為重要。

1 數(shù)據(jù)轉(zhuǎn)換的設(shè)計(jì)方案

將XML文檔映射為關(guān)系模式進(jìn)行存儲，有兩大類映射方法：模型映射和結(jié)構(gòu)映射。對于模型映射，利用xml文檔中的數(shù)據(jù)模型的結(jié)構(gòu)顯性或隱性地映射成其他數(shù)據(jù)模型的結(jié)構(gòu)，要實(shí)現(xiàn)數(shù)據(jù)庫和xml文檔間的數(shù)據(jù)轉(zhuǎn)換的關(guān)鍵是在數(shù)據(jù)庫模式和schemas和DTD之間建立映射關(guān)系，用具體的模型來實(shí)現(xiàn)數(shù)據(jù)間的映射。

1.1 邊模型映射方法

一個(gè)XML文檔是一個(gè)樹狀結(jié)構(gòu)，能夠用一個(gè)有序有向邊標(biāo)記圖來表示，按深度有限的原則從樹葉往樹根搜索，每碰到一個(gè)內(nèi)部節(jié)點(diǎn)則創(chuàng)建對應(yīng)的抽象數(shù)據(jù)類型，直到根節(jié)點(diǎn)的直接子節(jié)點(diǎn)，創(chuàng)建基于次根節(jié)點(diǎn)所對應(yīng)的抽象數(shù)據(jù)類型對象，該對象就是根節(jié)點(diǎn)對應(yīng)的對象，最后將XML文檔中各元素的屬性值填入對象中的相應(yīng)域。

有了XML圖之后，用來存儲邊信息的邊表有三種設(shè)計(jì)方案：Edge、Binary、Universal三種邊表設(shè)計(jì)方案和兩種值表設(shè)計(jì)方案，一共有六種存儲模式。通過對結(jié)構(gòu)關(guān)系數(shù)據(jù)庫大小，執(zhí)行不同類型XML查詢的執(zhí)行時(shí)間，從關(guān)系數(shù)據(jù)重構(gòu)XML文檔的時(shí)間等三個(gè)性能參數(shù)進(jìn)行量化分析，結(jié)論是：Binary邊表帶內(nèi)聯(lián)值表的存儲模式能獲得最好的綜合性能。

1.2 數(shù)據(jù)模型

一個(gè)XML文檔可以被建模為一個(gè)樹，因此，一個(gè)XML文檔的集合可以被建模為一個(gè)森林。一個(gè)根結(jié)點(diǎn)的樹指向一個(gè)XML文檔，一個(gè)根結(jié)點(diǎn)是非文檔結(jié)點(diǎn)的樹指向一個(gè)XML文檔片段。因此一個(gè)XML查詢即可以在一個(gè)XML文檔樹或文檔森林上進(jìn)行，也可以在一個(gè)XML文檔片段或森林片段上進(jìn)行。

如何從一個(gè)DTD生成一個(gè)關(guān)系型結(jié)構(gòu)？對于每種包含元素或者混合內(nèi)容的元素類型，新建一個(gè)表和一個(gè)主鍵字段，對于每個(gè)包含混合內(nèi)容的元素類型，創(chuàng)建一個(gè)單獨(dú)的表格，其中存放未析數(shù)據(jù)，通過父元素主鍵鏈接到父表格，對每個(gè)有元素或者混合內(nèi)容的子元素，通過父元素主鍵將父元素表格和子元素表格相連接。

如何從一個(gè)關(guān)系型的結(jié)構(gòu)生成一個(gè)DTD？對于每個(gè)表新建一個(gè)元素，對于表格中的每個(gè)字段，新建一個(gè)屬性或者是只包含未析數(shù)據(jù)的子元素；對于每個(gè)表格字段中提供主鍵的主鍵/外鍵的關(guān)系都新建一個(gè)子元素。

1.3 擴(kuò)展先序列表

為了有效地實(shí)現(xiàn)對文檔樹中任意兩個(gè)結(jié)點(diǎn)對之間的祖先/后裔關(guān)系，利用擴(kuò)展先序列表寫出它的先序遍歷序列，然后根據(jù)圖中各個(gè)節(jié)點(diǎn)左右孩子的狀況進(jìn)行加以遍歷?；诠?jié)點(diǎn)的索引本質(zhì)上即是將XML數(shù)據(jù)分解為數(shù)據(jù)單元的記錄集合，同時(shí)在記錄中保存該單元在XML數(shù)據(jù)中的位置信息。通過編碼技術(shù)索引每一個(gè)節(jié)點(diǎn)，節(jié)點(diǎn)之間的結(jié)構(gòu)關(guān)系通過編碼可以在常數(shù)時(shí)間內(nèi)確定它可以很好地支持正則路徑表達(dá)式。

2 XML文檔到關(guān)系數(shù)據(jù)庫的映射方案

2.1 XML文檔到關(guān)系數(shù)據(jù)庫映射

XML文檔到數(shù)據(jù)庫的映射往往忽略XML文檔的物理結(jié)構(gòu)（例如實(shí)體、引用文本部分及編碼信息）及某些邏輯結(jié)構(gòu)（如處理指令、注釋以及子元素和模型組在元素聲明中出現(xiàn)的順序）。因?yàn)閿?shù)據(jù)庫和應(yīng)用程序只關(guān)心XML文件中的數(shù)據(jù)，因此在映射算法中先不考慮這些物理結(jié)構(gòu)和邏輯結(jié)構(gòu)的映射。

2.2 文檔轉(zhuǎn)換到關(guān)系數(shù)據(jù)庫的算法描述

根據(jù)上述映射規(guī)則，可以將元素之間的樹型關(guān)系存入RDBMS。不過，首先需要對XML文檔進(jìn)行解析以獲得DOM樹，并且要給DOM樹中的每個(gè)元素節(jié)點(diǎn)分別綁定唯一的ID（這在遍歷DOM樹時(shí)實(shí)現(xiàn)）。事先建一張?jiān)仃P(guān)系表，表的字段分別代表當(dāng)前元素節(jié)點(diǎn)的ID、當(dāng)前元素節(jié)點(diǎn)的父節(jié)點(diǎn)ID、當(dāng)前元素節(jié)點(diǎn)的名稱。然后根據(jù)上述算法對XML文檔進(jìn)行解析。

2.3 關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)恢復(fù)成XML形式的算法描述

根據(jù)上述的存儲策略，可以從關(guān)系數(shù)據(jù)庫中將數(shù)據(jù)恢復(fù)成XML形式：根據(jù)元素關(guān)系表來建立XML文檔中元素的嵌套關(guān)系，并分別查詢元素內(nèi)容表和屬性值表來將各元素的內(nèi)容和各元素的屬性及值插入元素節(jié)點(diǎn)。

3 原型系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

這個(gè)原型系統(tǒng)實(shí)現(xiàn)了兩種方法的存儲，一種是以塊結(jié)構(gòu)存儲，第二種以模型為基礎(chǔ)的映射存儲，通過原型的實(shí)現(xiàn)讓我們可以更加清楚直觀的理解XML存儲到關(guān)系數(shù)據(jù)庫的概念。

整個(gè)原型系統(tǒng)的工作流程是將讀入的XML文件經(jīng)過解析遍歷，并在遍歷的同時(shí)進(jìn)行判斷結(jié)點(diǎn)類型，插入相應(yīng)的關(guān)系數(shù)據(jù)庫表中。

3.1 功能模塊

（1）classRdb主要用于創(chuàng)建數(shù)據(jù)庫的連接。

（2）classtest主要用于實(shí)現(xiàn)解析文檔并映射到關(guān)系數(shù)據(jù)庫的工作，這是對于上述算法的具體實(shí)現(xiàn)，主要實(shí)現(xiàn)函數(shù)有test()，stepThrough(Node start)，complex(Node node)。

（3）classblobstore主要用于以塊結(jié)構(gòu)存儲XML文檔。

3.2 界面模塊

（1）classAppFrame中調(diào)用了javax.swing.filechooser.*;這個(gè)包并重載了它，使它實(shí)現(xiàn)了對于文件過濾的功能。

（2）classsccuce用來判斷文件存儲成功與否，使用了彈出框的形式。

（3）classErrorDialog可以用來顯示程序運(yùn)行過程中的一些異常，如文件已經(jīng)存在關(guān)系數(shù)據(jù)庫中的重復(fù)存儲的異常。