1 / 54

第 23 章 XML

第 23 章 XML. 动机 XML 数据结构 XML 文档模式 查询和转换 XML 应用程序接口 XML 数据存储 XML 应用 总结. 简介. XML: 可扩展标记语言( Extensible Markup Language) 由 WWW Consortium (W3C) 定义 SGML(Standard Generalized Markup Language) 的子语言 根源 : 对文档加标记 ( 注解 ) 标记 (markup) 的早期用途: 如标出内容文本的排版格式 现在的用途: 如指示内容文本的功能或语义

devin
Download Presentation

第 23 章 XML

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 第23章 XML • 动机 • XML数据结构 • XML文档模式 • 查询和转换 • XML应用程序接口 • XML数据存储 • XML应用 • 总结

  2. 简介 • XML:可扩展标记语言(Extensible Markup Language) • 由 WWW Consortium (W3C) 定义 • SGML(Standard Generalized Markup Language)的子语言 • 根源: 对文档加标记(注解) • 标记(markup)的早期用途: 如标出内容文本的排版格式 • 现在的用途: 如指示内容文本的功能或语义 • 标记的形式: 标签(tag) • 例如:<title> XML </title> <slide> Introduction …</slide> • 可扩展 • 不同于HTML, XML没有预定义的标签集合,应用可根据需要选用自己的标签集合

  3. 动机 • XML用于数据表示及交换 • 不同组织之间的数据交换对于今天的网络化世界是关键的 • 例如: • 银行业: 资金转帐 • 订单处理 (特别是公司间的订单) • 科学数据:化学ChemML,遗传学BSML,...... • 组织之间的纸张信息流正被电子信息流所取代 • 每个应用领域都有自己的一套信息表示标准 • 在文件中存储结构化信息 • 与DB中的数据存储相比, 效率不高;但便于交换, 以及在文件中存储复杂结构的信息.

  4. XML的优点 • 标签使得数据是自描述的(self-documenting) • 不需查看模式即可理解文本的意义 • 文档格式不严格 • 接收者对预期之外的标签可以忽略,相似数据的标签未必全同 • 数据格式可以随时间演化, 并且不使现有应用失效 • 同一标签的多次出现易于表示多值属性 • 允许嵌套结构 • 同一结构可嵌套于多处(冗余), 有利于与外部交换数据 • 规范的关系表示(分解为多个关系)避免了这种冗余 • 存在大量的工具帮助处理XML数据 • API • 浏览器 • 数据库工具

  5. 半结构化数据模型 结构化数据一般需要用一个单独的模式来描述其结构 优点: 高效实现存储和查询处理. 半结构化数据是自描述的, 即数据自身携带有关其模式的信息. 优点: 可以灵活添加新的属性和关联, 即模式是可变的 描述现实世界更灵活 非常适合异构数据库的集成. 5 Lu Chaojun, SJTU

  6. 半结构化数据模型的图表示 半结构化数据库是结点集合 结点: 相当于对象 叶子结点与原子类型数据关联. 内部结点有引出边. 根结点没有进入边, 表示整个数据库 边上有标注, 表示目标结点与源结点的联系. 对标注没有限制, 可以表示属性或者联系. 6 Lu Chaojun, SJTU

  7. 半结构化数据的图 有根图 takes sno name cno 007 j.bond CS123 7 Lu Chaojun, SJTU

  8. 例子 Root bar beer beer manf manf name prize Bud A.B. name year award M’lob servedAt 1995 Gold name addr Joe’s Maple 8 Lu Chaojun, SJTU

  9. XML数据的结构 • 元素: 从<tagname>到</tagname>之间的所有文本 • 每个文档必须具有单一的根元素 • 元素必须合适地嵌套 • 合适的嵌套 • <account> … <balance> …. </balance> … </account> • 不合适的嵌套 • <account> … <balance> …. </account> … </balance> • 形式地: 每个开始标签必须具有唯一的匹配结束标签, 并位于同一父元素的上下文中.

  10. XML数据的结构(续) 在XML中文本与子元素的混用是合法的. 例如: <account> This account is seldom used any more. <account_number> A-102</account_number> <branch_name> Perryridge</branch_name> <balance>400 </balance></account> 这在文档处理系统中有用, 在数据处理系统中没有什么意义. 在数据库系统中对表示结构化数据尤其不适合.

  11. 嵌套元素的例子 嵌套能力提供了表示信息的其他方式 <bank-1><customer> <customer_name> Hayes </customer_name> <customer_street> Main </customer_street> <customer_city> Harrison </customer_city> <account> <account_number> A-102 </account_number> <branch_name> Perryridge </branch_name> <balance> 400 </balance> </account> <account> … </account> </customer> . . </bank-1> 嵌套表示广泛用于数据交换应用, 以避免联接

  12. 属性 元素可具有属性 <account acct-type = “checking” > <account_number> A-102 </account_number> <branch_name> Perryridge </branch_name> <balance> 400 </balance> </account> 属性是在元素开始标签中用name = value对来说明的 一个元素可有多个属性, 但每个属性名只能出现一次 <account acct-type = “checking” monthly-fee=“5”>

  13. 属性 vs.子元素 • 子元素与属性的区别 • 在文档处理场合, 属性是标记的一部分, 而子元素内容是基础文档内容的一部分 • 在数据处理场合, 两者区别无关紧要 • 同一信息可有两种方式表示 • <account account_number = “A-101”> …. </account> • <account> <account_number>A-101</account_number> … </account> • 建议: 用属性表示元素标识, 利用子元素表示内容

  14. 名字空间 • XML数据需要在组织之间交换 • 同一标签名在不同的组织中可能有不同的意义, 从而导致对所交换的文档的混淆 • 使用具有唯一性的字符串作为元素名字可避免混淆 • 更好的解决方法: 使用unique-name:element-name • XML名字空间 • 在标签和属性前加上一个URI(如网址URL) <bank xmlns:FB=“http://www.FirstBank.com”> … <FB:branch> <FB:branchname>Downtown</FB:branchname> <FB:branchcity> Brooklyn </FB:branchcity> </FB:branch>… </bank> • 一个文档可以使用多个名字空间. 缺省名字空间可用xmlns=来说明

  15. XML语法的更多细节 • 没有子元素或文本内容的元素可简化为以/>来结束开始标签并删除结束标签 <account number=“A-101” branch=“Perryridge” balance=“200 /> • 为存储可能包含标签的字符串数据, 而又不将标签解释为子元素, 如下使用CDATA <![CDATA[<account> … </account>]]> • 这里<account> 和</account> 只是视为字符串 • CDATA表示“character data”

  16. XML文档模式 • 数据库模式约束了可以存储什么信息, 以及存储的信息的数据类型 • XML文档并不要求必须具有一个关联的模式 • XML的自描述性质使得文档可以不要模式 • 但是, 模式有时很有用 • 作为应用的一部分被自动处理 • 大量相关数据用XML组织 • 模式定义语言 • 文档类型定义 (DTD) • 是XML标准的一部分, 广泛使用 • XML Schema • 较新, 应用越来越多, 将取代DTD • Relax NG

  17. 文档类型定义 (DTD) • XML文档的类型可以用DTD来说明 • DTD约束了XML数据的结构 • 可以出现什么元素 • 元素可以/必须具有什么属性 • 每个元素内可以/必须出现什么子元素, 以及出现多少次. • DTD 不约束数据类型 • 所有值都表示为XML中的串 • DTD 语法 • <!ELEMENT element (subelements-specification) > • <!ATTLIST element attributes-specification >

  18. DTD中的元素说明 • 元素可定义为 • 嵌套子元素正则表达式, 或者 • #PCDATA (parsed character data), 即文本数据内容 • EMPTY (无内容) 或ANY (任何东西都可作为子元素) • 未加以定义的元素等价于显式定义为ANY类型 • 例如 <! ELEMENT depositor (customer-name, account-number)> <! ELEMENT customer-name(#PCDATA)> <! ELEMENT account-number (#PCDATA)> • 子元素定义的正则表达式 <!ELEMENT bank ( ( account | customer | depositor)+)> • 表示法: • “|” - 可替换选择(or) • “+” - 出现1 次以上 • “*” - 出现0 次以上 • “?” - 出现0 次或1次

  19. Bank DTD <!DOCTYPE bank [ <!ELEMENT bank ( ( account | customer | depositor)+)> <!ELEMENT account (account_number, branch_name, balance)> <! ELEMENT customer(customer_name, customer_street, customer_city)> <! ELEMENT depositor (customer_name, account_number)> <! ELEMENT account_number (#PCDATA)> <! ELEMENT branch_name (#PCDATA)> <! ELEMENT balance(#PCDATA)> <! ELEMENT customer_name(#PCDATA)> <! ELEMENT customer_street(#PCDATA)> <! ELEMENT customer_city(#PCDATA)> ]>

  20. 带有DTD的XML文档 随XML文档 <?xml version=”1.0” standalone=”yes”?> <!DOCTYPE GREETING [ <!ELEMENT GREETING (#PCDATA)> ]> <GREETING> Hello XML! </GREETING> 独立文件 <?xml version=”1.0” standalone=”no”?> !DOCTYPE GREETING SYSTEM “greeting.dtd”> <GREETING> Hello XML! <GREETING>

  21. DTD中的属性声明 属性声明: 对每个属性要声明 属性名字 属性类型 CDATA(字符数据) ID (标识符) 或者 IDREF (ID 引用) 或者IDREFS (多个IDREF) 缺省值 缺省值: 读入文档时, 若属性未指定值, 则自动填充缺省值 #REQUIRED: 文档必须为属性指定值 #IMPLIED: 未提供缺省值, 文档可忽略此属性 例如 <!ATTLIST account acct-type CDATA “checking”> <!ATTLIST customer customer_id ID # REQUIRED accounts IDREFS # REQUIRED >

  22. ID与IDREF • 一个元素最多只能有一个类型为ID的属性 • 一个XML文档中, 每个元素的ID属性的值必须互不相同 • ID属性值相当于对象标识 • 类型为IDREF的属性必须包含同一文档中的某个元素的ID值 • 类型为IDREFS的属性包含 ID值的列表(0 或多个, 以空格分隔). 每个ID值必须是同一文档中的某个元素的ID值 • ID与IDREF属性起着与OO和OR数据库中引用机制相同的作用, 可构造复杂的数据联系.

  23. 带有ID属性的银行DTD • 具有 ID 和 IDREF 属性类型的银行DTD <!DOCTYPE bank-2[ <!ELEMENT account (branch, balance)> <!ATTLIST account account_number ID # REQUIRED owners IDREFS # REQUIRED> <!ELEMENT customer(customer_name, customer_street, customer_city)> <!ATTLIST customer customer_id ID # REQUIRED accounts IDREFS # REQUIRED> … declarations for branch, balance, customer_name, customer_street and customer_city …]>

  24. 具有ID和IDREF属性的XML数据 <bank-2> <account account_number=“A-401” owners=“C100 C102”> <branch_name> Downtown </branch_name> <balance> 500 </balance> </account> <customer customer_id=“C100” accounts=“A-401”> <customer_name>Joe </customer_name> <customer_street> Monroe </customer_street> <customer_city> Madison</customer_city> </customer> <customer customer_id=“C102” accounts=“A-401 A-402”> <customer_name> Mary </customer_name> <customer_street> Erin </customer_street> <customer_city> Newark </customer_city> </customer> </bank-2>

  25. DTD的局限性 • DTD源于文档格式化, 不适合数据处理应用中的类型结构定义. • 由于DTD是XML标准的一部分, 有一些数据交换格式是用DTD定义的. • 文本元素和属性没有类型系统 • 所有值都是串, 没有整数, 实数等. • 难以说明子元素的无序集合 • 在数据库中次序通常是无关紧要的(与XML源自的文档布局不同) • (A | B)* 允许说明一个无序集合, 但是不能保证A和B各只出现一次 • ID和IDREF是无类型的 • account 元素的owners属性可能包含对另一个account 的引用, 这是无意义的 • 理想情况下owners属性应该限制为引用customer 元素

  26. XML Schema W3C XML Schema Definition Language (XSD) 1.1 Part 1: Structures W3C Working Draft 20 June 2008 W3C XML Schema Definition Language (XSD) 1.1 Part 2: Datatypes W3C Working Draft 20 June 2008 • XML Schema 是一个更精细的模式语言，可以解决DTD的缺点. 它支持定义 • 值的类型 • 例如: string, integer, decimal, date, boolean等 • 还可以对最小/最大值加以限制 • 用户定义类型 • 简单类型加限制 • 复杂类型: complexType, sequence等 • 还有许多其他特色, 包括 • 唯一性与外键约束, 继承 • 与DTD不同的是, XML Schema模式定义本身符合XML语法 • 为避免与其他标签冲突, 可用XML Schema名字空间来区别. 如 <xs:schema xmlns:xs=http://www.w3.org/2001/XMLSchema>

  27. 银行DTD的XML Schema 版本 <xs:schema xmlns:xs=http://www.w3.org/2001/XMLSchema> <xs:element name=“bank” type=“BankType”/> <xs:element name=“account”><xs:complexType> <xs:sequence> <xs:element name=“account_number” type=“xs:string”/> <xs:element name=“branch_name” type=“xs:string”/> <xs:element name=“balance” type=“xs:decimal”/> </xs:squence></xs:complexType> </xs:element> …..definitions of customer and depositor …. <xs:complexTypename=“BankType”><xs:squence> <xs:element ref=“account” minOccurs=“0” maxOccurs=“unbounded”/> <xs:element ref=“customer” minOccurs=“0” maxOccurs=“unbounded”/> <xs:element ref=“depositor” minOccurs=“0” maxOccurs=“unbounded”/> </xs:sequence> </xs:complexType> </xs:schema>

  28. 银行DTD的XML Schema 版本(续) • 选用“xs:” 是我们作出的 – 可以选用任何其他名字空间前缀 • “bank”元素具有类型 “BankType”, 它是单独定义的 • xs:complexType 在后面用来创建命名复杂类型 “BankType” • “account” 元素的类型是in-line定义的 • 可以定义子元素出现的最小和最大次数 • 缺省都为1

  29. XML Schema的更多特色 • 用xs:attribute标签说明属性: <xs:attribute name = “account_number”/> • 置于account元素声明中 • <xs:attribute>中加入属性use = “required” 意味着必须声明的属性. • use的缺省值是"optional" • 键约束: “account_number构成根元素bank之下account元素的键" <xs:key name = “accountKey”> <xs:selector xpath = “/bank/account”/> <xs:field xpath = “account_number”/> </xs:key> • 外键约束: 从depositor 到account <xs:keyref name = “depositorAccountFKey” refer=“accountKey”> <xs:selector xpath = “/bank/depositor”/> <xs:field xpath = “account_number”/> </xs:keyref>

  30. XML Schema vs. DTD • 允许元素中的文本受限于特定类型 • 允许创建用户定义类型 • 允许唯一性和外键约束 • 与名字空间集成, 允许文档的不同部分遵守不同模式 • 允许对类型加以限制形成特殊类型: 如最大最小值 • 利用某种形式的继承, 允许复杂类型被扩展

  31. 查询与转换 • XML应用的越来越多, 需要有效管理XML数据的工具 • 从大量XML数据中查询信息 • 在不同XML模式间转换数据 • 上述两种情况是紧密相关的, 可用同样的工具处理 • 标准XML查询/转换语言 • XPath • 由路径表达式组成的简单语言 • 是下面两种语言的构件 • XQuery • 标准XML查询语言 • XSLT • XSL的一部分 • 用于文档格式化,而非数据管理应用

  32. XML数据的树模型 • 上述三种查询与转换语言都基于XML数据的树模型 • 一个XML文档建模成一棵树, 结点对应于元素和属性 • 元素结点可有子结点: 表示元素的属性或子元素 • 结点(除了根结点)具有单一父结点, 该父结点是一个元素结点 • 一个结点的子结点按照他们在XML文档中的次序排列 • 元素的文本内容建模成该元素的文本子结点 • 若文本内容被子元素分隔, 则一个元素可有多个文本子结点 • 如this is a<bold> wonderful </bold>book表示为三个子结点

  33. XPath XML Path Language (XPath) 2.0 (Second Edition) W3C Recommendation 14 December 2010 (Link errors corrected 3 January 2011) • XPath 利用路径表达式来选择文档的部件 • 路径表达式是用“/”分隔开的一个定位步骤序列 • 考虑在目录层次中的文件名 • 路径表达式的结果: 能匹配指定路径的节点集合 • 例:/bank-2/customer/customer_name在 bank-2 data 上求值可返回 <customer_name>Joe</customer_name> <customer_name>Mary</customer_name> • 例: /bank-2/customer/customer_name/text( )返回客户名, 但不含外围标签

  34. XPath (续) 起始 “/” 表示文档的根(在文档顶级标签之上的抽象根节点) 路径表达式从左至右求值 路径上任何一点的结果都是一个有序节点集合 每一步都对前一步产生的“当前”元素集合进行操作 最后一步产生的元素集合就是路径表达式的值 利用 “@”访问属性值 例:/bank-2/account/@account_number 返回account元素的account_number属性的值 IDREF属性不能自动 dereferenced (稍后详述) 选择谓词可以跟在路径中的任何一步后面, 放在[ ]中 /bank-2/account[balance > 400] 返回balance值大于400的account 元素 测试子元素存在性: /bank-2/account[balance] 返回包含balance子元素的account 元素

  35. XPath中的函数 • XPath 提供若干函数 • 聚合函数count(exp)计算与exp匹配的结点个数 • 例:/bank-2/account[count(./customer) > 2] • 返回多于2 个客户的帐户 • 测试当前结点在兄弟序中的位置 (1, 2, ..)的函数position() • 布尔连接词and和or以及函数not()可用于谓词中 • 函数id("foo")返回具有ID类型属性并且值为foo的结点(如果有的话) • id()还可作用于引用集合上, 甚至作用于包含多个用空格分隔的引用的串上. 如IDREFS • 例如/bank-2/account/id(@owners) • 返回所有被account元素的owners属性引用的客户

  36. XPath 的更多特色 运算符 “|” 用来实现并集 例:/bank-2/account/id(@owner) |/bank-2/loan/id(@borrower) 返回有帐户或贷款的客户 但是, “|” 不能嵌套在其他运算符内. “//” 可用于跳过多层结点 例如/bank-2//customer_name 在/bank-2元素下的任何地方找出所有customer_name元素, 不管它被包含在哪个元素当中. 无需了解完整模式也可查询数据 路径中的一步可以到达前一步生成的结点的父亲, 兄弟, 祖先及后裔, 而不仅仅到达子结点 “//”, 如上述, 是指明“所有后裔”的一种缩写形式 “..” 指明父结点 函数doc(name) 返回命名文档的根 name可以是 文件名或URL 例: doc(“bank.xml”)/bank/account collection(name)类似doc()

  37. XQuery XQuery 1.0: An XML Query Language (Second Edition) W3C Recommendation 14 December 2010 (Link errors corrected 3 January 2011) • XQuery是XML数据的标准查询语言, 模仿SQL • 当前正在被W3C标准化中 • 教材中的描述基于该标准的January 2005草案. 最后版本可能有不同, 但主要特色很可能保持不变. • XQuery 源自Quilt, Quilt自身又是出自XPath, XQL 和XML-QL • XQuery 使用FLWOR表达式进行查询 for … let … where … order by …return … • 与SQL的比较:for SQL fromwhere  SQL whereorder by  SQL order by result  SQL select let允许将XPath表达式的结果赋予临时变量, 用于简化表示. 在SQL中没有对应.

  38. XQuery中的FLWOR语法 For子句使用XPath表达式, for子句中的变量即在 XPath返回的值集合上变化 多个变量时, 各变量的可取值构成笛卡儿积 例: 找出所有余额大于400的帐户, 每个结果都放入一对标签<account_number> .. </account_number> 中for $x in /bank-2/account let $acctno := $x/@account_number where $x/balance > 400 return <account_number> { $acctno } </account_number> Let子句不是必需的, 另外选择可以在XPath中完成. 上面的 查询可写成: for $x in /bank-2/account[balance>400]return <account_number> { $x/@account_number } </account_number> return子句中的项是 XML 文本, 除非括在{}中, 这时是要计算的表达式 又如: return <account account_number=“{$x/@account_number}”/> 还可用element和attribute来构造元素. 如: returnelement account{ attribute account_number {$x/@account_number}, attribute branch_name {$x/branch_name}, element balance {$x/balance}}

  39. 联接 • 联接的说明非常类似于SQL for $a in /bank/account, $c in/bank/customer, $d in /bank/depositor where $a/account_number = $d/account_number and $c/customer_name = $d/customer_name return <cust_acct> { $c $a } </cust_acct> • 同一查询也可表达为利用XPath选择: for $a in /bank/account $c in /bank/customer $d in /bank/depositor[ account_number = $a/account_number and customer_name = $c/customer_name] return <cust_acct> { $c $a } </cust_acct>

  40. 嵌套查询 FLWOR表达式可嵌套在return子句中, 以生成源文档中没有的元素嵌套结构 下列查询将数据从bank信息的平面结构转换成bank-1的嵌套结构 <bank-1> { for $c in /bank/customer return <customer> { $c/* } { for $d in /bank/depositor[customer_name = $c/customer_name], $a in /bank/account[account_number=$d/account_number] return $a } </customer> } </bank-1> $c/*表示绑定到$c的结点(序列)的所有子结点 下列查询完成类似分组聚合的功能 for $c in /bank/customer return <customer_total_balance> <customer_name>{ $c/customer_name}</customer_name> <total_balance> { fn:sum( for $d in /bank/depositor[customer_name = $c/customer_name], $a in /bank/account[account_number=$d/account_number] return $a/balance)}</total_balance>)}</total_balance> </customer_total_balance>

  41. XQuery中的排序 order by 子句可对结果排序 例如返回按姓名排序的客户for $c in /bank/customerorder by $c/customer_name return <customer> { $c/* } </customer> 用order by $c/customer_name descending来降序排序 可以在多个嵌套层次上排序(如先按customer-name排序, 每个客户内再按account-number排序) <bank-1> {for $c in /bank/customer order by $c/customer_name return <customer> { $c/* } { for $d in /bank/depositor[customer_name=$c/customer_name], $a in /bank/account[account_number=$d/account_number] } order by $a/account_number return <account> {$a/*} </account> } </customer> } </bank-1>

  42. 函数,类型及其他特色 • XQuery提供很多内建函数 • XQuery还支持用户定义函数define function balances(xs:string $c) as xs:decimal* {for $d in /bank/depositor[customer_name = $c], $a in /bank/account[account_number = $d/account_number]return $a/balance } • 函数参数和返回值的类型声明是可选的 • decimal* 中的* 指示该类型的一个值序列 • 具有XML Schema的类型系统 • 根据需要自动进行类型转换 • 类型转换函数: 如number(str) • where子句谓词中的全称和存在量词 • some $e inpathsatisfiesP • every $e inpathsatisfiesP • XQuery还支持 If-then-else 子句 • XQJ: 提交XQuery给XML数据库系统的一个API标准

  43. 应用程序界面 • 对XML数据有两种标准的应用程序界面: • DOM (Document Object Model) • XML 数据经词法分析表示成一棵树, 元素构成节点 • 提供各种函数来遍历DOM树 • 例如: Java DOM API 提供接口Node, Element, Attribute及其方法getParentNode( ), getFirstChild( ), getNextSibling( ) getElementsByTagName( ), getAttribute( ) getData( ) (for Text node) … • 还提供修改DOM树的函数: 增删节点, 置节点值, 等等 • SAX (Simple API for XML) • 基于词法分析器模型, 用户为词法分析事件提供事件处理程序 • 词法分析事件例:元素开始, 元素结束

  44. XML数据的存储 • XML数据可以存储成 • 非关系数据 • 平坦文件 • 存储XML很自然, 有大量工具支持 • 但有Chapter 1中讨论的所有问题 (即文件系统不具有数据隔离, 原子性, 并发, 安全等) • XML 数据库 • 以XML为基本数据模型 • 支持声明式查询(XQuery) • 复杂,代价高 • 关系数据库 • 数据必须翻译成关系形式 • 优点: 成熟的数据库系统 • 缺点: 翻译数据和查询的开销

  45. 在关系数据库中存储XML • 可选择的方式: • 串表示 • 树表示 • 映射到关系

  46. 串表示 • 小XML文档可直接存为一个元组的串字段(clob) • 大XML文档可将顶层元素的每个子元素存为一个元组中的串字段 • 用一个关系存储所有元素 • 数据库系统不知道XML文档的模式, 不能直接查询数据 • 用不同关系存储不同元素类型 • 例如 account, customer, depositor 关系 • 各有一个串值属性来存储元素 • 索引 • 将待索引的子元素/属性的值存储为关系的额外字段, 并在这些字段上建立索引 • 例如 customer_name 或者 account_number • 某些数据库系统支持函数索引, 它使用函数结果作为键值. • 例如用户定义函数返回account_number属性的值, 对此函数即可建立函数索引

  47. 树表示 bank (id:1) account (id: 5) customer (id:2) customer_name(id: 3) account_number (id: 7) • 树表示: XML数据建模为树并用下列关系存储nodes(id, type, label, value) child (child_id, parent_id) • 每个元素/属性具有一个唯一的标识符 • Type指示了元素/属性 • Label说明了元素标签名/属性名 • Value是元素/属性的文本值 • 关系child 记录树中的父子联系 • 可以在child 中增加一个额外属性position来记录子结点的顺序

  48. 树表示(续) • 好处 • 即使没有DTD 也能存储任何XML数据 • 许多XML查询可翻译成关系查询 • 缺点 • 数据被分解成许多碎片, 增加了空间开销 • 即使简单查询也需要大量联接, 速度很慢

  49. 映射到关系 • 已知模式的元素映射到关系及属性, 未知模式的元素存为串或树 • 为每个已知模式的复杂元素类型(包含属性或子元素)创建一个关系 • 增加一个id 属性存储各元素的唯一标识 • 每个元素属性对应一个串值关系属性 • 简单类型的子元素对应一个关系属性(据XML Schema类型决定属性类型) • 复杂类型的子元素映射到单独的关系(递归应用上述方法) • 增加一个ID属性 • 增加一个parent_id属性跟踪父元素 • 还可存储位置信息position (ith子结点) • 变种 • 最多只出现一次的子元素对应为父关系的属性(平坦化) • 出现多次的子元素用一个单独的表来表示 • 类似于将ER 图转换成表时对多值属性的处理

  50. 在关系系统中存储XML数据 • Publishing: 将关系数据转换成XML格式 • Shredding: 将XML数据转换成规范化关系形式存入关系数据库 • XML-enabled 数据库系统支持自动publishing和shredding • 映射机制: 例如简单表的每一行映射成一个元素, 其中每一列映射成该元素的子元素 • 某些系统利用xml数据类型来提供XML数据的native 存储 • 使用专门的内部数据结构和索引来提高效率 • 可使用XQuery

More Related