一種基于XML Schema的XML文檔到關(guān)系數(shù)據(jù)庫(kù)的映射方法

賈 穎

（山東工商學(xué)院 計(jì)算機(jī)基礎(chǔ)教學(xué)部，山東 煙臺(tái) 264005）

XML是W3C組織推出的一種半結(jié)構(gòu)化的、自描述的數(shù)據(jù)描述語(yǔ)言，目前已成為Web上數(shù)據(jù)表示的標(biāo)準(zhǔn)，并為各種跨平臺(tái)、用不同編程語(yǔ)言編寫(xiě)的應(yīng)用程序提供了數(shù)據(jù)交流與分享的工具，同時(shí)還成為各種異構(gòu)數(shù)據(jù)（關(guān)系數(shù)據(jù)庫(kù)、Excel數(shù)據(jù)表、文本文件）進(jìn)行數(shù)據(jù)交換的中間橋梁?？梢哉f(shuō)，XML技術(shù)已經(jīng)得到了非常廣泛的應(yīng)用和支持。

隨著XML技術(shù)的廣泛應(yīng)用，XML文檔大量涌現(xiàn)出來(lái)。然而，XML文檔本身不是一個(gè)數(shù)據(jù)庫(kù)[1]，缺乏成熟數(shù)據(jù)庫(kù)技術(shù)中關(guān)于并發(fā)訪問(wèn)、完整性約束、安全控制等關(guān)鍵技術(shù)。并且以文檔方式存儲(chǔ)的XML數(shù)據(jù)支持的關(guān)鍵字查詢，查詢方式簡(jiǎn)單，查詢能力低，不能滿足復(fù)雜條件查詢的需要[2]。所以，XML文檔在存儲(chǔ)和查詢機(jī)制上都缺乏系統(tǒng)支持。而關(guān)系數(shù)據(jù)庫(kù)仍是目前為止最成熟的數(shù)據(jù)管理技術(shù)。所以，已經(jīng)有很多學(xué)者對(duì)XML文檔的關(guān)系數(shù)據(jù)庫(kù)存儲(chǔ)做出了研究，提出了結(jié)構(gòu)映射和模式映射兩種主要的方法。由于結(jié)構(gòu)映射保留了 XML文檔的結(jié)構(gòu)和語(yǔ)義信息，成為了XML文檔在關(guān)系數(shù)據(jù)庫(kù)存儲(chǔ)的主流技術(shù)。結(jié)構(gòu)映射要分析XML文檔的模式信息（DTD或XML Schema）。目前，基于XML Schema的結(jié)構(gòu)映射方法中最具代表性的是Bohannon[3]的提出的P_Schema（Physical XML schema）。P_Schema是從XML Schema變化而來(lái)，將原始的XML Schema中的多值元素（元素屬性maxOccurs為unbounded的元素）提取出來(lái)，生成同名的新類(lèi)型，同時(shí)，在該元素的父元素中保留對(duì)該元素的引用。P_Schema可以直接轉(zhuǎn)換為關(guān)系模式。然而，P_Schma僅進(jìn)行了對(duì)多值元素的提取，沒(méi)有考慮其它形式復(fù)雜元素的提取，如遞歸嵌套結(jié)構(gòu)、被不同父元素重復(fù)引用的元素、可選元素的映射問(wèn)題，本文將進(jìn)一步探討對(duì)這些類(lèi)型元素的映射。

1 P-schema的改進(jìn)

改進(jìn)的P_Schema模式將XML文檔存儲(chǔ)到關(guān)系數(shù)據(jù)庫(kù)的步驟分為三步：第一步，將XML模式轉(zhuǎn)換為改進(jìn)過(guò)的P_Schema++模式；第二步，將P-Schema++模式用DOM樹(shù)表示；第三步，將DOM樹(shù)映射為關(guān)系數(shù)據(jù)庫(kù)。

1.1 生成P_schema++模式

本文的實(shí)例文檔為T(mén)he Purchase Order ，po.xml[4]，對(duì)應(yīng)的XML Schema為po.xsd。[4]數(shù)據(jù)來(lái)源于www.w3.org。表 1給出了 po.xsd的類(lèi)型標(biāo)識(shí)模式（即 XML Query Algebra ），這種模式因其準(zhǔn)確指定了元素和屬性類(lèi)型，非常有利于XML數(shù)據(jù)的存儲(chǔ)，將之稱(chēng)為原始模式。P_schema++模式是基于此模式，進(jìn)行改進(jìn)和擴(kuò)充得到。

從原始的XML Schema類(lèi)型定義到P_Schema++類(lèi)型定義的轉(zhuǎn)換遵循以下幾個(gè)原則：

（1）提取用＜ComplexType＞…＜/ ComplexType ＞標(biāo)識(shí)定義的復(fù)雜類(lèi)型為新類(lèi)型（如PurchaseOrder）；

（2）提取元素屬性maxoccurs=unbounded的多值元素為新類(lèi)型（如items）；

（3）提取被多個(gè)父元素重復(fù)引用的元素為新類(lèi)型（如USAdress和 comment）；

（4）提取用＜choice＞…＜/choice＞標(biāo)識(shí)的可選元素為新類(lèi)型（本實(shí)例不涉及）。

表1

1.2 DOM樹(shù)表示

DOM（Document Object Model）全稱(chēng)文檔對(duì)象模型，是一種與平臺(tái)和語(yǔ)言無(wú)關(guān)的編程接口。[5]一個(gè) XML文檔使用XML分析器分析之后，其中的信息就會(huì)被轉(zhuǎn)化成一棵對(duì)象節(jié)點(diǎn)樹(shù)。在這棵樹(shù)中，有且只有一個(gè)根節(jié)點(diǎn)，其它所有節(jié)點(diǎn)都是根節(jié)點(diǎn)的后代節(jié)點(diǎn)。節(jié)點(diǎn)樹(shù)生成之后，就可以通過(guò)DOM接口訪問(wèn)、修改、添加、刪除和創(chuàng)建樹(shù)中的節(jié)點(diǎn)和內(nèi)容。將P_Schema++轉(zhuǎn)換為DOM樹(shù)表示。在DOM樹(shù)中，用符號(hào)○表示簡(jiǎn)單類(lèi)型元素的節(jié)點(diǎn)，用符號(hào)◎表示復(fù)雜類(lèi)型元素的節(jié)點(diǎn)，用符號(hào)△表示屬性節(jié)點(diǎn)。Po.xsd的 P_Schema++轉(zhuǎn)換為 DOM樹(shù)如圖1所示：

圖1 P_Schema++ DOM樹(shù)

得到DOM樹(shù)后，尋找DOM樹(shù)中子樹(shù)的根節(jié)點(diǎn)，又叫分級(jí)節(jié)點(diǎn)[3]。一個(gè)節(jié)點(diǎn)成為分級(jí)節(jié)點(diǎn)，必須滿足以下幾個(gè)條件之一：①不能由其他節(jié)點(diǎn)到達(dá)；②復(fù)雜類(lèi)型的節(jié)點(diǎn)；③節(jié)點(diǎn)的入度＞1。根據(jù)以上規(guī)則，PurchaseOder，items，comment，USAdress為分級(jí)節(jié)點(diǎn)，要單獨(dú)映射為關(guān)系。其中Comment節(jié)點(diǎn)是簡(jiǎn)單類(lèi)型元素節(jié)點(diǎn)，可以分成兩個(gè)節(jié)點(diǎn)，分別內(nèi)聯(lián)到PurchaseOrder子樹(shù)和items子樹(shù)中。但考慮到在po.xsd中，PurchaseOrder和Items中對(duì)comment的定義都是minoccurs=0，如果將comment作為PurchaseOrder表和items表中的屬性列，應(yīng)允許NULL值。而comment元素中的數(shù)據(jù)內(nèi)容一般比較多，需要為comment列設(shè)置較大的字符串長(zhǎng)度，而如果有大量的空值，就會(huì)造成很大的存儲(chǔ)浪費(fèi)。所以，本文將comment元素單獨(dú)建表，并建立Pid字段作為外鍵，指向父節(jié)點(diǎn)。

1.3 映射為關(guān)系數(shù)據(jù)庫(kù)

將DOM樹(shù)中分級(jí)節(jié)點(diǎn)映射為關(guān)系數(shù)據(jù)庫(kù)中的表，映射的方法為：

（1）為每一棵子樹(shù)T創(chuàng)建關(guān)系R，把滿足以下條件的節(jié)點(diǎn)Y作為R的屬性：Y是T可達(dá)到，從T到Y(jié)的路徑中不包含任何生成獨(dú)立關(guān)系的分級(jí)節(jié)點(diǎn)。

（2）為每個(gè)關(guān)系R創(chuàng)建Id字段作為主鍵。若T與其他分級(jí)節(jié)點(diǎn)存在父子關(guān)系，則在關(guān)系R中添加Pid 字段作為外鍵，記錄其父節(jié)點(diǎn)的Id。

根據(jù)上面的方法，把DOM樹(shù)轉(zhuǎn)換為4張表：

表2 PurchaseOrde r

表3 comment

表4 items

表5 USAdress

另外，在PurchaseOrder表中，Bill to_id和ship to_id字段分別指向其孩子節(jié)點(diǎn)，與USAdress表中Id字段相對(duì)應(yīng)。

2 實(shí)驗(yàn)驗(yàn)證

為了驗(yàn)證P_Schema++的有效性和可行性，采用 Microsoft Visual Studio2003和C#語(yǔ)言在Windows內(nèi)部組件之一的.NET Framework代碼庫(kù)中進(jìn)行XML文檔到SQL Server 2003關(guān)系數(shù)據(jù)庫(kù)的轉(zhuǎn)化。對(duì)其存儲(chǔ)代價(jià)和查詢代價(jià)進(jìn)行評(píng)估，結(jié)果發(fā)現(xiàn)，該算法生成的關(guān)系數(shù)據(jù)表數(shù)目相對(duì)較少，表的規(guī)模合理，查詢時(shí)連接運(yùn)算少，查詢效率較高。

[1] Bourrent R. XML Data Binging[EB/OL].http://www.rpborrent.com/xml/XMLDataBingding.htm,2010-12-21.

[2] 曾慶玲.基于模式的復(fù)雜 XML文檔到關(guān)系數(shù)據(jù)庫(kù)存儲(chǔ)的研究[D].桂林:廣西師范大學(xué),2011

[3] Bohannon P, Freire J, Roy P et al.,From XML schema to relations: a cost based approach to XML storage[C].Proc of the18th International Conference on Data Engineering.2002:64 75.

[4] The Purchase Order[EB/OL] .http://www.w3.org/TR/2004/REC-xmlschema-0-20041028/.

[5] 岳歡.XML文檔在數(shù)據(jù)庫(kù)中存儲(chǔ)方案的研究[D].重慶:重慶大學(xué),2003.