XML数据存储到关系数据库毕业设计.docx

XML数据存储到关系数据库毕业设计.docx

《XML数据存储到关系数据库毕业设计.docx》由会员分享，可在线阅读，更多相关《XML数据存储到关系数据库毕业设计.docx（36页珍藏版）》请在冰豆网上搜索。

XML数据存储到关系数据库毕业设计

摘要

随着Internet的发展和人们对数据标准性、平台无关性的要求越来越高，XML（ExtensibleMarkupLanguage）得到了广泛的应用,同时人们对于XML的存储方式提出了更高的要求。

本课题意在设计一种将XML数据存入关系数据库中的方法，并按照该方法开发一个XML数据装入关系数据库的软件。

本文首先对XML的基本知识进行介绍，随后讨论用关系数据库存储XML数据的原因，并对目前已经提出的一些XML文档在关系数据库中的存储方式进行研究讨论，在此基础上提出一个无模式的XML文档对于关系数据库的存储方法。

这个方法将XML数据分为文档、元素、属性、文本四种节点，并将这四种节点映射为数据库中四个关系表。

另外将DOM树中的元素节点关系映射为一个数据库关系表，这五个表是本课题中数据库设计的核心。

五个表中包含的属性信息要求方便于DOM接口和SAX接口两种方式访问。

提出存储方法后，我们将利用这种存储方法开发一个关系数据库中XML数据装入系统。

文章后半部分将详细说明该软件的需求分析、设计、具体开发细节以及测试。

该软件的测试结果验证了这种存储方法能够有效的将无模式的XML文档存入关系数据库。

关键词：

关系数据库、XML

Abstract

WiththedevelopmentofInternetandthepeople’shigherandhigherrequirementfordata’sstandardizationanditsindependentofplatform,XML（extensiblemarkuplanguage）iswidelyused,inthemeantimethehigherrequirementforthestorageofXMLdataisasked.

ThisresearchgroupdesignedamethodtostoreXMLdataintoRDB（RelationalDataBase）ofwhichthetechnologyhavebeenverymatureandwidelyused.ThenwedevelopedanapplicationthatcanstoretheXMLdataintoRDBusingthismethod.

AtfirstthisarticlewillintroducebasicalknowledgeofXML,andthendiscusswhystoreXMLdatausingRDB.Afterthatwe’llresearchanddiscussthesomemethodsforstoringXMLdataintoRDBthathavebeenputforward.Basedonthemwe’lldesignastoragemethodfromnon-schemaXMLdatatoRDB.WeclassifiedXMLdataasfourkindofnodessuchasDocument,Element,AtributeandText.ThesefournodesaremappedtofourtablesintheRDBandwemappedtheDOMTreeintoatabletoo.ThefivetablesisthecoreoftheRDBdesign.TheattributeinformationinvolvedinthetablesisrequiredthatbothDOMandSAXinterfacecanbeeasytogetinformationfromthetables.

Aftergivingthemethodwedesignedwe’lldevelopanapplicationthatcanstoringtheXMLdataintoRDBusingthatmethod.It’srequirementanalyse,designdetailsandtestresultwellbedescribedinthesecondhalfpartofthearticle.Thetestresultwillshowthatusingthestoragemethodwecanstoringthenon-schemaXMLdataintotheRDBeffectively.

Keywords:

RDB（RelationalDataBase）,XML

1绪论

1.1课题背景及研究意义

XML（eXtensibleMarkupLanguage）是W3C于1998年提出的数据文件格式标准,它是SGML（StandardGeneralizeMarkupLanguage）的受限子集,但更简练易用。

自被提出以来就由于其标准性、可扩展性和半结构化等特征得到了各方面的关注和使用。

随着Internet的高速发展和人们对数据标准性、平台无关性的要求的提高,其应用也更加广泛。

目前XML文档的存储方式主要有三种：

1.作为普通文件存储于文件系统中

2.存储于专门为XML设计的XMLDB中

3.存储于关系数据库中

第一种方法由于文件系统在组织、管理、检索等各种数据服务功能上的固有不足而基本不被使用。

后两种方法各有优缺点,但由于目前关系数据库管理系统在各种应用中仍占主体地位,因此如何更加合理地将XML文档进行转换并存储到关系数据库中具有很大的研究价值。

本课题主要研究如何有效的将XML数据存储到关系数据库中，并设计一种可以尽量避免或简化上述问题的存储方法，用此方法开发一个关系数据库中XML数据装入系统以验证该方法的正确性和可行性。

1.2XML知识简介

这一节主要介绍XML的基本知识，包括XML概念、文档类型定义（DTD）、XML模式（Schema）、文档对象模型（DOM）、SAX（SimpleAPIforXML）接口等等。

1.2.1XML

XML即为可扩展的标记语言（eXtensibleMarkupLanguage）。

XML是一套定义语义标记的规则，这些标记将文档分成许多部件并对这些部件加以标识。

XML是标记语言。

理解XML，首先要理解标记。

先说说HTML的标记（Markup），通俗地讲，它就是一种用来给文本添加标记的语言。

在HTML里每个标志都是有确切含义的。

例如，在HTML中，标签〈B〉的含义是要求HTML浏览器将一段文本加粗表示，而标签〈CENTER〉的含义是告诉浏览器将这段文本在一行的中间显示。

而XML并非象HTML那样，提供了一组事先已经定义好了的标签，而是提供了一个标准，利用这个标准，你可以根据实际需要定义自己的新的置标语言，并为你的这个置标语言规定它特有的一套标签。

准确的说，XML是一种源置标语言，它允许你根据它所提供的规则，制定各种各样的置标语言。

XML有两个先驱——SGML和HTML，这两个语言都是非常成功的标记语言，SGML的全称是标准通用化标记语言，它从80年代初开始使用。

正如XML一样，SGML也可用于创建成千上万的标记语言，它为语法置标提供了异常强大的工具，同时具有极好的扩展性，因此在分类和索引数据中非常有用。

目前，SGML多用于科技文献和政府办公文件中。

SGML非常之复杂，其复杂程度对于网络上的日常应用简直不可思议。

不仅如此，SGML非常昂贵。

HTML免费、简单，而且它获得了广泛的支持。

它是一个非常简单的SGML语言，可以方便普通人的使用。

1996年人们开始致力于描述一个置标语言，它既具有SGML的强大功能和可扩展性，同时又具有HTML的简单性。

W3C于1998年2月批准了XML的1.0版本，一个崭新而大有前途的语言诞生了。

XML具有以下优点：

1.XML具有自说明性。

XML能够应用于各种领域的原因，就是XML具有到目前为止其他方法所不具备的数据描述特点，控制信息不是采用应用软件的独有形式，而是采用谁都可以看得懂的标记形式来表现，所以XML最适合作为数据交换的标准，这也是XML受人关注的原因。

允许各种不同的专业（如音乐、化学、数学等）开发与自己的特定领域有关的标记语言。

这就使得该领域中的人们可以交换笔记、数据和信息，而不用担心接收端的人是否有特定的软件来创建数据。

2.XML具有通用性。

由于XML是非专有的并易于阅读和编写，就使得它成为在不同的应用间交换数据的理想格式.XML使用的是非专有的格式，不受版权、专利、商业秘密或是其他种类的知识产权的限制。

XML的功能是非常强大的，同时对于人类或是计算机程序来说，都容易阅读和编写。

因而成为交换语言的首选。

此外，相对于HTML,XML具有先天的优越性。

为了自己的浏览器增加一些特殊的显示效果，HTML加入了一些特殊的标记。

日益增多的标签不但使HTML越来越庞大，浏览器的开发越来越复杂，还降低了不同浏览器之间的兼容性。

尽管HTML的标签越来越多，其显示力却还远远不够。

如果你希望非常精确地表现一些你自己的数据，可能你需要一些现在在HTML中尚不存在的标签。

现在HTML内部结构的条理性越来越差。

你写的HTML文件，甚至是那些专门的所见即所得工具自动生成的HTML文件，可能在语法上会错误百出，不过没关系，浏览器照样能读它。

现在有了XML，你终于可以自由地制定你自己的置标语言，而不必再念念不忘微软、Netscape、W3C的首肯了。

实际上，现在许多行业、机构都利用XML定义了自己的置标语言。

1.2.2DTD和Schema

DTD是一种保证XML文档格式正确的有效方法，可以比较XML文档和DTD文件来看文档是否符合规范，元素和标签使用是否正确。

一个DTD文档包含：

元素的定义规则，元素间关系的定义规则，元素可使用的属性，可使用的实体或符号规则。

DTD文件也是一个ASCII的文本文件，后缀名为.dtd。

例如:

myfile.dtd。

由于DTD存在不少缺陷，比方说：

DTD是基于正则表达式的，描述能力有限；DTD没有数据类型的支持，在大多数应用环境下能力不足；DTD的约束定义能力不足，无法对XML实例文档作出更细致的语义限制；DTD的结构不够结构化，重用的代价相对较高；DTD并非使用XML作为描述手段，而DTD的构建和访问并没有标准的编程接口，无法使用标准的编程方式进行DTD维护。

因此针对这些缺点，设计了XMLSchma。

XMLSchema如同DTD一样是负责定义和描述XML文档的结构和内容模式。

它可以定义XML文档中存在哪些元素和元素之间的关系，并且可以定义元素和属性的数据类型。

XMLSchema基于XML,没有专门的语法;XML可以象其他XML文件一样解析和处理;XMLSchema支持一系列的数据类型（int、float、Boolean、date等）;XMLSchema提供可扩充的数据模型;XMLSchema支持综合命名空间;XMLSchema支持属性组。

1.2.3DOM

DOMDocument是以层次结构组织起来的节点，或信息片段，的集合。

这种层次结构允许开发者浏览树来查找特定信息。

通常，分析结构需要在完成任何工作之前装入整个文档并且装入层次结构。

由于DOM是基于信息的层次结构，因此它被称为是基于树的。

另一方面，DOM还提供了一个API，该API允许开发者为创建应用程序而在树的任何地方添加、编辑、移动或除去节点。

DOM基本的节点类型

XML中最常见的节点类型：

1.Node：

DOM基本的数据类型。

2.Element：

元素

3.Attr：

一个元素的属性。

4.Text：

文本

5.Document：

代表整个XML文档。

一个Document对象通常也被称为一棵DOM树（根）。

较不常见的节点类型：

CData、注释、处理指令和文档片段:

1.CData：

“字符数据”的缩写

2.注释：

注释包含有关数据的信息，通常应用程序会忽略它们。

3.处理指令：

PI是专门针对应用程序的信息。

4.文档片段：

为了形成良好的格式，文档只能有一个根元素。

有时，必须临时创建几组元素，这些元素不是满足需求所必要的。

下面文档片段：

SilverShowSaddle,16inch

825.00

1

PremiumCinch

49.00

1

对应DOM树（元素节点）如图：

文档片段的DOM树示例图

1.2.4SAX

读取和操纵XML文件的标准方法是DOM（“文档对象模型”）。

遗憾的是，这种方法需要读取整个文件并将它存储到树结构中，因而效率不高、缓慢，并且会过度使用资源。

对于极其大的文档，装入整个文档并对该文档进行解析会很慢且占用大量资源，所以要用其它方式来处理数据。

一些基于事件的模型，如SimpleAPIforXML（SAX），是工作在数据流之上，在数据流经过时对其进行处理。

。

SAX允许正在读取文档时处理该文档，这避免了在采取操作之前需要等待存储文档的所有内容，但它不允许开发者实际更改原始文档中的数据

SAX是由XML-DEV邮件列表的成员开发的，Java版本由DavidMegginson维护。

他们的目的是提供一种更自然的方法来使用XML，这种方法不会涉及到使用DOM的那种开销。

结果是基于事件的API。

解析器将事件（譬如，元素的开始或结束）发送给处理信息的事件处理程序。

然后，应用程序自己可以处理数据。

虽然原始文档保持不变，但SAX提供了操纵数据的方法，然后会将该方法导向另一个过程或文档。

对于SAX，没有官方的标准；万维网（W3C）或其它官方组织不维护SAX，但在XML社区中，它是一个事实上的标准。

SAX分析经过其的XML流。

考虑以下XML代码片断：

xmlversion="1.0"?

>

UNIX

color

一般情况下，SAX处理器分析这段代码将生成以下事件：

Startdocument

Startelement（samples）

Characters（whitespace）

Startelement（server）

Characters（UNIX）

Endelement（server）

Characters（whitespace）

Startelement（monitor）

Characters（color）

Endelement（monitor）

Characters（whitespace）

Endelement（samples）

1.3基于关系数据库的XML存储技术

本节将研究并讨论现有的基于关系数据库的XML存储方法。

1.3.1现存的基于关系数据库的XML存储技术

基于关系数据库的XML存储技术的核心是XML与关系数据库之间的数据映射技术，目前存在多种映射方法，根据是否使用XML模式可分为两类：

：

1.模式驱动映射

2.无模式映射

XML模式定义了XML文档的词汇表、逻辑结构和允许值，利用模式可以对XML实例文件的有效性进行验证。

模式驱动映射是以XML模式为基础的映射，包括DTD（文档类型定义）和XMLSchema两种方式，其广泛适用于电子商务、数据交换和系统集成等领域的面向数据处理的XML文档，如产品订单、发票、时刻表等。

他的优点是模式驱动映射的过程中不易丢失结构信息，能较好的保证数据的正确性和完整性。

现有的模式驱动映射方法很多，下一节将通过一个实例来介绍模式驱动映射是如何实现的。

由于模式驱动映射要对模式进行解析，其转换过程要比无模式映射复杂的多。

而且在实际应用中，尤其是广阔的互联网中，大多数的XML文档都没有DTD或Schema，或者DTD和Schema不易随文档保存，这是模式驱动映射面临的一个无法解决的困难，因此模式驱动映射适用于那些已经发展的比较规范的领域，而无模式映射技术的应用更为广泛。

因此作者最终选择设计一种无模式映射来完成本课题的任务，这将在文章的第二章中详细说明。

1.3.2一个模式驱动映射实例

这个实例的映射方法叫做对象-关系映射。

首先将XML模式转化为对象模型，然后再将对象模型映射为关系模型。

在讨论之前我们先介绍两个概念：

简单元素：

只包含文本，不包含属性和嵌套元素的元素

复杂元素：

有属性或包含嵌套元素的元素

下面讨论基于对象-关系模型的XML-RDB的基本映射原理，为了描述简单，XML模式采用DTD进行定义。

1）设有如下DTD：

ELEMENTA（B,C）>

ELEMENTB（#PCDATA）>

ELEMENTC（#PCDATA）>

模式—〉对象的转化：

复杂元素A—〉类A

简单元素B、C—〉A的成员变量

对象—〉关系的映射

类A—〉表A

B、C—〉表A中的列B、C

综上创建关系：

RA（PK_A,B,C），PK_A是RA的主键（它是自动生成的），列B和C的值是他们的PCDATA。

2）设有如下DTD：

ELEMENTA（B*,C,D）>

ELEMENTB（#PCDATA）>

ELEMENTC（E）>

ELEMENTD（#PCDATA）>

ELEMENTE（#PCDATA）>

这里采用外键捕获元素A和C及A和B之间的父子关系，因此可创建关系RA（PK_A,D），RB（PK_B,FK_AB,B）及RC（PK_C,FK_AC,E）,其中FK_AB和FK_AC分别是RB和RC关于RA的外键。

RB的主键是（PK_B,FK_AB）,RC的主键是（PK_C,FK_AC）。

根据关系理论：

在这个DTD中，A只允许出现一次，所以A和C是1:

1的关系，FK_AC可建立在RA和RC任一关系中（此处建立在RC中）；B可出现多次，即A和B是1:

N的关系，FK_AB应建立在RB中。

假如A也可以出现多次，即A和B为M:

N的关系，则可创建关系RAB（FK_A,FK_B），其中FK_A和FK_B分别对应RA和RB的PK_A和PK_B。

3）对于复杂元素的属性和文本，处理方法与简单元素相同，作为复杂元素的属性列处理。

1.4作者的工作

本文工作就是设计一个XML数据到关系数据库的无模式映射方案，这将在文章的第二部分详细讲解。

然后利用这个方案开发一个关系数据库中XML数据装入系统，并利用这个软件测试该方案的有效性和性能，这是第三部分要叙述的内容。

1.5本章小结

本章阐述了课题背景及其研究意义，讲解了XML的基本概念和知识，研究讨论了现今基于关系数据库XML存储的主要方法并制定了下面需要完成的任务及相应的研究思路。

2无模式映射的设计

2.1方案设计要求

设计必须满足以下要求：

1.能够将无模式的XML数据按一定的结构存入关系表中

2.数据库设计要支持DOM和SAX两种接口访问

3.易于实现关系数据库到XML的反向转换

4.具有跨平台性

2.2设计思想

将XML文档中的数据信息全部存入关系表是最基本的要求，要满足这个要求，就要分析文档中的基本数据类型（元素，属性，文本等），将这些类型的节点映射为数据库实体集。

为了支持DOM和SAX两种接口访问，就需要分析这两种接口在访问XML文档时需要什么样的信息，这些信息一定要设计到数据库中。

比方说，DOM接口需要节点的父子关系，需要兄弟元素节点的顺序，需要节点的层数。

SAX接口需要元素的起始位置和结束位置，这些信息都需要存到数据库中，才可以方便两个接口对数据库的访问。

综上所述，数据库设计思路就是将文档中不同类型的节点作为数据库实体集，节点之间的关系作为联系进行初步设计，然后再进行数据库优化。

详细设计方案将在下一节介绍。

2.3方案详细设计

根据XML数据节点类型，分别将文档节点、元素节点、属性节点和文本节点映射为四个表：

DOCUMENT，ELEMENT，ATTRIBUTE，TEXT。

另外将元素节点之间的关系（父子，兄弟）映射为一张全局关系表—FULLRELATION。

对于CDATA数据，将其看作TEXT数据处理，存入TEXT表中。

而注释语句将被忽略。

2.3.1E-R图（实体集中只画主码）

数据库E-R图

2.3.2实体集和联系

1.DOCUMENT实体集：

文档主体

属性：

DOCID：

DOCUMENT唯一标识

URI：

文档路径

VERSION：

文档版本

ENCODING：

文档的字符码格式

2.ELEMENT实体集：

元素主体

属性：

ELEID：

元素的文档序（深度遍历DOM树的元素序号）

DOCID：

元素所在文档的ID

NAME：

元素名称

BEGIN：

元素在文档中的起始位置

END：

元素在文档中的结束位置

SEQUENCE：

同层同父亲元素的顺序

LAYER：

元素所在层

3.ATTRIBUTE实体集：

属性主体

ATTID：

属性唯一标识

ELEID：

属性所属元素ID

DOCID：

属性所属文档ID

NAME：

属性名称

VALUE属性值

4.TEXT实体集：

文本主体

TEXTID：

文本唯一标识

ELEID：

文本所属元素ID

DOCID：

文本所属文档ID

CONTENT：

文本内容

5.父子联系：

元素之间的父子关系—多个元素对应一个父亲

属性：

ELEID：

元素ID

DOCID：

元素所在文档ID

PARENTID：

元素父亲ID

2.3.3设计方法与策略

四个实体集中最重要且最复杂的就是元素（ELEMENT）实体集，由于存储要便于DOM和SAX两种接口访问，因此需要为元素添加除名称之外的属性，下面分别说明这些属性的设计思路。

BEGIN和END：

元素在文档中的起始和结束位置，这是为了实现SAX接口能过顺序访问文档而提供的属性，例如下面的文档，我们将在元素的开始标志的左边括号中标出Begin数，在元素的结束标志的右边括号中标出END数。

（1）

（2）

（3）（4）

（5）Bill（6）

（7）Addison-Wesley（8）

（9）65.95（10）

（11）

（12）

（13）（14）

（15）