楊丹+李桃迎+陳燕

（大連海事大學，遼寧 大連 116026）

摘要：XML可以用于實現(xiàn)異構數(shù)據(jù)庫，同時也是一種中間件和數(shù)據(jù)承載工具，XML強大的技術功能為數(shù)據(jù)交換提供了便利。伴著計算機技術的快速發(fā)展和網絡的高速普及，數(shù)據(jù)量呈現(xiàn)爆炸式地增長。借助于XML文檔強大的數(shù)據(jù)轉換能力實現(xiàn)與關系數(shù)據(jù)庫文件的轉換，就成為一種必然趨勢。因此，研究XML向關系數(shù)據(jù)轉換技術具有非常重要的價值。

關鍵詞：XML；數(shù)據(jù)結構；關系數(shù)據(jù)庫

中圖分類號：G642.0 文獻標志碼：A 文章編號：1674-9324（2017）18-0200-02

隨著網絡的飛速發(fā)展，對數(shù)據(jù)交換技術的產生了需求，可擴展標記語言XML（Extensible Markup Language）應運而生。XML與HTML相似，都是SGML[1]的一個子集，允許用戶使用自己定義的、簡單的、統(tǒng)一的標準來實現(xiàn)自己的應用。XML保持了SGML的優(yōu)秀特性[2]的同時克服了SGML的繁雜缺點，更為便利地運用到Web開發(fā)上，給Web的客戶端開發(fā)提供了更強大地對文檔過程設計的控制能力。

一、關系模型的數(shù)據(jù)結構與模式轉換

關系模型的數(shù)據(jù)結構較為單一，只包含關系。以用戶角度，關系模型的邏輯結構就是一張扁平的二維表，同時建立在集合代數(shù)的基礎上，有著明確的數(shù)學概念。以集合論的角度闡述關系數(shù)據(jù)結構的形式化定義[3]如下：關系的描述稱為關系模式（Relation Schema）。通過形式化定義表示為R（U，D，DOM，F(xiàn)），其中，R稱為關系名，U為組成該關系的屬性名集合，D為屬性組U中屬性所來自的域，DOM為屬性向域的映向集合，F(xiàn)為屬性間數(shù)據(jù)的依賴關系集合。大多數(shù)情況下，屬性組U中屬性所來自的域D和屬性到域的映射DOM對模式的影響不大，也可以將其看作是一個三元組：R。在實際應用中，一般把關系模式描述為：關系名（屬性1，屬性2，…屬性n）。

在將XML映射為關系數(shù)據(jù)庫時，首先需要將XML文檔解析為樹形結構，然后根據(jù)元素樹，將其映射轉換為概念模型——ER圖，接著再把ER圖轉換為對象關系數(shù)據(jù)模型，也就是規(guī)范化的二維表，最終建立起關系型數(shù)據(jù)庫。整個流程圖如圖1所示。

二、解析XML文檔

（一）使用JAXP解析XML文檔

JAXP支持兩種解析方式，分別是基于對象的解析和基于事件的解析。

基于對象的解析：這種方式支持W3C DOM解析，未來的JAXP版本中可能會支持J-DOM規(guī)范；基于事件的解析：支持SAX解析模式。

（二）將XML Tree映射為ER圖

1.XML樹的“根元素”映射為數(shù)據(jù)庫名，即contacts。它概括出了E-R圖。實體與聯(lián)系的大范疇。

2.XML樹的直接子元素映射為實體，即contacts的3個同名的子元素contact轉換為ER圖中的一個“聯(lián)系人”實體集。

3.直接子元素的屬性及子元素映射為其的屬性，即contact有person、tags、name、location、phone、knows、description屬性。

4.對于上一點中復雜類型的子元素，其屬性及子元素又被轉換為父元素的屬性。最終，E-R圖如下頁圖1所示。

（三）E-R圖向關系模型轉換

聯(lián)系人contact對應的關系模式如下：

contact（person，tags，name（title，first，middle，last），location（address，latitude，longitude），phone（kind），knows（contacts），description）

但是，上方關系模式并非規(guī)范化的關系模式，因此利用數(shù)據(jù)依賴將其規(guī)范化。

數(shù)據(jù)依賴是一個關系內部屬性與屬性之間的一種約束關系。這種約束關系是通過屬性間值的相等與否體現(xiàn)出來的數(shù)據(jù)間相關聯(lián)系，是數(shù)據(jù)內在的性質，是語義的體現(xiàn)。數(shù)據(jù)依賴有很多類型，其中最重要的是函數(shù)依賴（Functional Dependency，F(xiàn)D）和多值依賴（Multivalued Dependency，MVD）[3]。

規(guī)范化后：

contact （person（主鍵），tags，phone_kind，phone，knows_contacts，description）

name （person（外鍵），title，first，middle，last）

location （person（外鍵），address，latitude，longitude）

（四）XML文檔數(shù)據(jù)錄入數(shù)據(jù)庫

解析XML文檔，使用JDBC連接數(shù)據(jù)庫，在java中執(zhí)行sql的insert語句將數(shù)據(jù)導入數(shù)據(jù)庫中，至此XML模式已經完整地轉化為關系模式，包括模式轉換和數(shù)據(jù)入庫兩部分。

（五）關系模式到XML模式的轉換

三、根據(jù)關系表構建DOM樹

1.數(shù)據(jù)庫名轉化為樹的根結點，即contacts為根結點。

2.根據(jù)contact表的記錄數(shù)生成根節(jié)點的子結點，元素名為表名，即3個實體生成3個子結點contact。

3.contact表的主碼轉換為contact的屬性結點，其余根據(jù)屬性名轉換為contact的子結點或子結點的屬性結點。

4.從表和主表進行自然連接，即name和location表與contact表連接：從表的表名轉換為contact的子結點，從表的屬性根據(jù)屬性名分別轉換為contact子元素的屬性結點或子結點。

將DOM樹轉化為XML文檔數(shù)據(jù)嵌入，使用JDBC連接數(shù)據(jù)庫，在java中執(zhí)行sql的select語句將數(shù)據(jù)插入到XML文檔中。

四、小結

由于互聯(lián)網與計算機技術的快速發(fā)展和廣泛應用，以XML為交換載體的數(shù)據(jù)交換方式成為當前數(shù)據(jù)集成和整合的一種趨勢，如何快速、有效地實現(xiàn)關系數(shù)據(jù)與XML數(shù)據(jù)的轉換成為當前數(shù)據(jù)整合和集成的研究熱點。由于作者對問題的理解程度和查閱資料有限等方面的原因，本文的研究還有很多不足，在未來的研究工作中還需要完善和改進，例如：本文尚未考慮轉化規(guī)則的制定，缺乏對多個實體型和單個實體型的聯(lián)系轉化，在二元聯(lián)系轉化規(guī)則的思想上，未來的研究可以擴充對多個實體型和單個實體型聯(lián)系轉化規(guī)則。

參考文獻：

[1]C.M.Sperberg-McQueen，Lou Burnard.A Gentle Introduction to SGML，http：//www.isgmlug.org/sgmlhelp/g-index.htm，1994.

[2]陳志煒.一種基于語義的將關系數(shù)據(jù)轉換為XML數(shù)據(jù)的方法[D].南京：東南大學碩士學位論文，2004.

[3]薩師煊，王珊.數(shù)據(jù)庫系統(tǒng)概論[M].第三版.北京：高等教育出版社，2005.

收稿日期：2016-11-25

基金項目：遼寧省普通高等學校優(yōu)勢特色專業(yè)（本科教改項目）；大連海事大學研究生教改項目（YJG201600）

作者簡介：楊丹（1996-），女（漢族），湖北鄂州人，在讀本科，研究方向：信息管理與信息系統(tǒng)；李桃迎（1983-），女（漢族），安徽宿州人，博士，副教授，研究方向：管理科學與工程、系統(tǒng)集成、數(shù)據(jù)挖掘；陳燕（1952-），女（漢族），遼寧大連人，博士，教授/博導，研究方向：數(shù)據(jù)倉庫與數(shù)據(jù)挖掘、管理科學與決策支持、多維交通信息組織與管理。