基于xml的web查詢技術研究畢業論文(編輯修改稿)

　

【文章內容簡介】 irstnameJohnlfirstname lastname Smith /lastname/personperson ID= o234…/personarticle author=o123 o234title ….. /titleYear1995/Year/article上述結構用XML模型圖表示如下：圖2 XML圖中數據之間的引用因為僅有XML圖的葉結點中包含值,下面的XML文檔片段就不能直接用數據模型表示.title A Trip to titlepartthe Moon/title part/title為此,考慮用下面的片段來代替.titleCDATAA Trip to/CDATAtitlepartCDATAthe Moon/CDATA/titIe part/title該片段的數據模型圖如下:圖3 XML數據模型圖其中頁結點的值是它的OID。 XML數據模型圖向XML文檔的映射通過對XML模型圖的轉換可以很容易地得到析可以生成 XMLXML文檔,同樣通過對XML文檔的解文檔與 ,XML圖不是和 XML文檔嚴格對應的。1．XML數據模型中的數據是無序的,元素的順序事先并未假定。2．支持結點共享,一個結點可能和幾個結點有邊相連。 XML數據模型中數據的存儲以及索引的存儲1. XML數據的存儲有以下方式:(1).文本文件 是最簡單,自然地反映了對象之間的嵌套關系,當數據量大時不利于實現網絡通信和數據共享。(2).關系數據庫 ,并發控制,恢復,(如聚集存儲等)不能應用。(3).面向對象數據庫 ,正則表達式的符號可由基于對象數據模型的類型表達 (如用 list數據類型表達),也可以通過創建新類實現 (如 |符號可用 union類型的類實現).該方式的數據模型更接近半結構化數據模型,并能更好地處理嵌套的集合和順序,因此,這樣就影響了加載效率。當DTD改變時,但有快速連接性能的關系數據庫也可以實現很好的性能。(4).專門的對象存儲 如Lore系統,它利用自己的對象管理器管理物理磁盤上的半結構數據或 XML數據對象。,受限/,樹結構的數據,如XML,其索引技術較簡單,并且只支持正則路徑表達式的受限形式的索引更有效一些,索引根節點包含了數據根節點的所有出邊標記,索引樹的內節點對應了數據中到達某一非葉節點的標記序列, ,它是關于半結構化數據的路徑信息的一個精確,簡潔的索引結構,可以有效地用來輔助建立查詢和進行查詢優化。3. 異構數據庫的集成 異構數據庫集成的方法Web上異構數據庫集成目標是支持對Web上多個數據源的查詢,處理大量的,數目遞增的Web數據源.Web上異構數據庫集成主要有兩種方法:,用戶的查詢基于數據倉庫的數據。后一種方法基于一個 中間模式 (Mediated Schema),數據仍保存在局部數據源中,通過各數據源的39。39。包裝程序(Wrappers)將數據虛擬成中間模式,用戶的查詢基于中間模式,不必知道每個專門的數據源的特點,查詢執行引擎直接與Wrappers打交道,各局部數據源的自治性很高且局部數據經常變化的Web環境。本文數據的集成方法采用基于 中間模式的方法,文中僅給出從一個數據庫中進行數據轉換的方法。 用XML格式表示的數據源的優勢XML是Web上定義數據的通用語言, XML允許為指定的一群應用程序創建一致的數據格式,：(1), XML格式表示的數據能夠被唯一標記,用戶可以指定查找一些書,書的作者是魯訊,如果是XML表示的數據源,可以方便地被檢索到.(2),基于 XML的數據是自描述的,不需要有對數據的內容描述就可以交換和處理,可以更好地實現數據的共享和跨平臺操作。(3),可以更好地從離散的 ,但是如果把各個數據庫的數據轉換成XML格式的數據源,通過軟件代理可以很方便地把這些數據集成到中間層服務器上,在這之后,這些數據還可以被傳到客戶或其他的服務器上進行進一步的集成,處理和分發. (4) , ,XML數據的購買訂單對代理商可以顯示得較為詳細,而對于顧客來說,只需要顯示簡單的視圖。(5),不必更新全部用戶接口就能顯現發生變化的數據。XML是一種基于通用數據格式的描述語言,只有ASP應用程序和能夠使用 ,只要客戶程序能夠解析XML的結構,就可以訪問關系數據表中的信息,給我們實際生活中的應用帶來了極大的方便。 關系數據庫中結構化的XML格式數據轉換的參考模型基于XML的Web查詢先要進行后臺數據的轉換,把關系數據庫中的數據源先轉化成 XML數據源放在 Web服務器上,然后再執行查詢。在下面的圖示中給出了通過Web對XML數據源訪問的參考模型,VB應用程序通過ADO從數據庫中提取數據,然后把ADO數據集轉換成XML格式再傳遞到Web服務器上,一旦數據放在Web服務器上,就可以通過Web應用程序 (如IE5. 0 )來處理和顯示數據,從而實現對 Web上的XML數據源方便地進行存取和訪問。 圖4數據轉換參考模型注：,只要應用程序能夠讀取和處理XML即可。 ,就可以很方便地實現對數據的訪問,并且能解決很多HTML數據格式自身的限制。現在有一個TAPFS關系數據庫,在這個數據庫中,有一個bib表,包含如下信息：表一 bib table TITLE AUTHOR PUBLISHER YEARAn Introduction to DatabaseSystems DateAddisonWeslev1995Foundation for Object/Relational Databases：The Third Manifesto DateAddisonWeslev1998Foundation for Object/Relational Databases：The Third Manifesto DarwenAddisonWeslev 1998為了與XML模型中的XML文檔相對應,在此處的關系數據庫中的數據也設計成同樣的數據。對于這樣的二維關系數據表,其它應用程序很難對數據進行訪問,就是 ,必須對數據格式進行轉換 在這里我們使用 XML, XML的基于文本的數據格式可以方便地進行解析和互操作,一旦關系數據轉換成X11L數據源,數據庫中的數據可以被其他應用程序和HTML頁面訪問 在把 Bib表中的數據轉換成基于XML格式的數據后,就可以通過腳本和數據源對象(DSO)對數據進行本地訪問,其他人可以通過Internet和 Intranet對數據進行訪問。關系數據源轉換為XML數據源一般通過ASP來生成,可以將上述關系數據表轉換成XML數據源,也可以用來創建XML數據源,兩者最大的區別是頁面的基本結構一個是H丁ML頁面,此時的ASP文件輸出的是可以在服務器上被方便訪問的XML數據。這種創建XML數據源的方法有兩點好處:首先,XML數據源可以通過使用腳本生成,由于XML數據源是從數據庫中的數據中動態生成的,隨著數據庫數據的更新,(如ACESS, MSSQL, ORACLE等)來維護和管理數據庫,與此同時XML數據源也自動進行了更新,無須再單獨維護。ASP文件通常開始于腳本語言的聲明和所使用的XML的版本,接下來是最頂層元素的開始標簽,格式如下：%@=VBScript%?xml version=””Bib在能夠訪問丁APES數據庫之前,需要在 ,進入WINDOWS的控制面版,單擊ODBC圖標, (Active Data Object),訪問Bib表,設置一個能夠連續產生數據源的循環.%Set () TAPES Set Tape=(select*from Bib) Do While Not % 下一步需要組織數據表中數據元素的基本結構,XML可以有復雜的層次結構,每一部分都可以用book來標記,在book中又包含四個子部分:title, author和publisher, .book title/title author/author publisher/publisher year/year /book 現在再看Bib表中的數據,需要創建一個包含4個book元素的XML數據源。book中的每一部分包含一個 title,一個 author,一個publisher和一個 year元素。上面的腳本中的循環部分可以生成 4個 ,所要做的創建和生成 book元素的框架,:/booktitle %= Tape(TITLE)%/titleauthor %=Tape(AUTHOR)% /authorpublisher %=Tape(PUBLISHER)% /publisher year %=Tape(YEAR)% /year /book book元素的框架創建后,還要通知ASP頁而向表中數據的下一條記錄移動,從而完成循環,然后加上最頂層元素結束的標簽。 %Loop%/Bib通過上述討論,前面的ASP頁面可以產生以下的XML數據源。bib book title An Introduction to Database Systems/title author lastrame Date /lastname /authorpublisher) name AddisonWesley /name /publisher year1995/year/bookbook title Foundation for Object/Relational Databases: The Third Manifesto/titleauthor lastname Date /lastname /authorauthor lastname Darwen /lastname /authorpublisher name AddisonWesley /name /Publisheryear1998/year/book/bib,異種平臺和應用程序可以方便的互操作。 關系數據庫中的數據轉換成基于XML格式的數據之后,只要應用程序支持XML數據的解析, XML,數據可以被存放在分離的XML文件中,這樣可以把主要的精力放在使用HTML頁面控制格式和顯示,解決了數據的共享性和跨平臺性,使異種平臺和不同應用程序之間可以方便地進行互操作。 異構數據的集成應注意的問題 包括選取何種中間模式 (如基于OEM或XML等)和中間模式于各局部數據模式的對應和轉換。2. Web數據源的數據完備性 對不同的數據源的數據完備性進行評價,分析數據源之間的信息重疊,對回答查詢具有重要意義。 需要考慮各數據源對局部數據訪問模式的限制和其特有的抽取數據的演算能力,盡量把各數據源能勝任的工作推到相應的數據源,減少網絡數據傳輸。 (16]選擇最少數目的數據源完成查詢,向參與查詢的數據源傳送最小的查詢等方法。 查詢引擎的功能可能受到網絡環境的影響,各數據源的自治性也為查詢執行引擎的實現帶來一定困難。 HTML文檔包裝程序的建立所依賴的技術大多是機器學習和自然語言處理等,XML以其面向交換的特點作為中間模式可以簡化包裝程序的建立。 不同數據源可以表示現實世界中相同對象,查詢需要判斷在各個數據源返回的結果是否對應同一對象。4. 基于XML的Web查詢 Web查詢技術與數據庫查詢技術的差異 目前, 還只是一個巨大的分布的信息檢索系統,大多數 上的搜索引擎是基于信息檢索技術,信息檢索技術與數據庫技術有很多不同,見表二二者最重要的區別是數據庫數據結構性更強,信息檢索技術更適合于處理無結構數據, 近似的含義包括：,但在信P2,有時根本無法確定自己要找什么。:在信息檢索中,這種匹配也有意義,但是通常