淺析：構(gòu)建基于WebXML的信息集成

淺析：構(gòu)建基于WebXML的信息集成

引言隨著計(jì)算機(jī)技術(shù)，特別是Internet的不斷發(fā)展，實(shí)現(xiàn)"信息孤島"之間的集成與交互成為亟待解決的問(wèn)題。在諸多解決方案中，基于多代理(Multi-Agent)的信息集成就是其中的一種。該系統(tǒng)已被認(rèn)為是建造大型復(fù)雜分布式信息處理系統(tǒng)的重要技術(shù)和框架。在基于多代理的方法中，資源集成的具體操作步驟是：用戶把請(qǐng)求提交給搜索代理，由搜索代理對(duì)請(qǐng)求進(jìn)行適當(dāng)?shù)霓D(zhuǎn)換，發(fā)送給代理路由器；代理路由器通過(guò)鏈接，將查詢請(qǐng)求發(fā)送給數(shù)據(jù)庫(kù)代理；數(shù)據(jù)庫(kù)代理接受查詢請(qǐng)求，并進(jìn)行具體的數(shù)據(jù)庫(kù)操作，然后把查詢結(jié)果返回給請(qǐng)求者；搜索代理對(duì)返回的結(jié)果進(jìn)行識(shí)別，若存在所需的資源，則激活本地?cái)?shù)據(jù)庫(kù)代理，對(duì)獲得的信息進(jìn)行記錄，由專家系統(tǒng)對(duì)所搜集的信息進(jìn)行進(jìn)一步的處理。這種方法有一個(gè)明顯的缺陷，即必須明確數(shù)據(jù)庫(kù)的格式，代理才能正常工作。而XML技術(shù)則可以很好的解決這個(gè)問(wèn)題。用XML進(jìn)行數(shù)據(jù)集成，只需對(duì)所有的異構(gòu)數(shù)據(jù)源增加一個(gè)以XML為格式的封裝體，即在不改變數(shù)據(jù)源的前提下，用XML對(duì)數(shù)據(jù)源的定義描述字、數(shù)據(jù)源的創(chuàng)建等相關(guān)信息進(jìn)行封裝。供應(yīng)鏈節(jié)點(diǎn)上所有數(shù)據(jù)源的封裝體納入全局的XMLSchema或DTD，并存儲(chǔ)在XML虛擬服務(wù)器，為系統(tǒng)檢索、定位提供服務(wù)。在XML的集成機(jī)制里，可以通過(guò)XML封裝體實(shí)現(xiàn)彼此之間的數(shù)據(jù)交互，所以不需要了解數(shù)據(jù)庫(kù)的格式，從而彌補(bǔ)了基于多代理的集成方法在這方面的不足。下面首先概要介紹XML的相關(guān)技術(shù)，進(jìn)而給出網(wǎng)絡(luò)環(huán)境下的、基于XML的信息集成方案：包括系統(tǒng)的總體框圖、層次結(jié)構(gòu)、工作過(guò)程及系統(tǒng)主要組成部分的具體設(shè)計(jì)。XML技術(shù)1、XML相關(guān)標(biāo)準(zhǔn)XML不僅僅是一種語(yǔ)言，廣義的XML是一系列標(biāo)準(zhǔn)的集合。圖1說(shuō)明了XML及其相關(guān)標(biāo)準(zhǔn)，在圖中，中間一層是XML基礎(chǔ)標(biāo)準(zhǔn)，最下層是XML的應(yīng)用標(biāo)準(zhǔn)。XML基礎(chǔ)標(biāo)準(zhǔn)是為XML的進(jìn)一步實(shí)用化制定的標(biāo)準(zhǔn)，它規(guī)定了采用XML制定標(biāo)準(zhǔn)時(shí)的一些公用特征、方法或規(guī)則。XMLSchema描述了更加嚴(yán)格定義XML文檔的方法，以便可以更自動(dòng)地處理XML文檔。XMLNamespace用于保證XMLDTD中名字的一致性，以便不同的DTD中的名字在需要時(shí)可以合并到一個(gè)文檔中。DOM定義了一組與平臺(tái)和語(yǔ)言無(wú)關(guān)的接口，以便程序和腳本能夠動(dòng)態(tài)訪問(wèn)和修改XML文檔內(nèi)容、結(jié)構(gòu)及樣式。XQuery的目的是為從Web文檔中提取數(shù)據(jù)，提供一種靈活的查詢機(jī)制。XPath描述如何識(shí)別、選擇、匹配XML文件中的各個(gè)構(gòu)成元件，包括元素、屬性、文字內(nèi)容等。XPointer和XLink標(biāo)準(zhǔn)，規(guī)定了有關(guān)定位、鏈接方面的內(nèi)容。CSS被用來(lái)作為XML文檔顯示的樣式標(biāo)準(zhǔn)等等。2、XML的主要技術(shù)特點(diǎn)XML是一種元標(biāo)記語(yǔ)言，強(qiáng)調(diào)以數(shù)據(jù)為核心，這兩大特點(diǎn)在XML的眾多技術(shù)特點(diǎn)中最為突出，同時(shí)也奠定了XML在信息管理中的優(yōu)勢(shì)。XML是一種元標(biāo)記語(yǔ)言與HTML不同，XML不是一種具體的標(biāo)記語(yǔ)言，它沒(méi)有固定的標(biāo)記符號(hào)，是一種元標(biāo)記語(yǔ)言，是一種用來(lái)定義標(biāo)記的標(biāo)記語(yǔ)言，它允許用戶自己定義一套適于應(yīng)用的DTD。XML的核心是數(shù)據(jù)在一個(gè)普通的文檔里，往往混合有文檔數(shù)據(jù)、文檔結(jié)構(gòu)、文檔樣式三個(gè)要素。而對(duì)于XML文檔來(lái)說(shuō)，數(shù)據(jù)是其核心。將樣式與內(nèi)容分離，是XML的巨大優(yōu)點(diǎn)。一方面可以使應(yīng)用程序輕松的從文檔中尋找并提取有用的數(shù)據(jù)信息，而不會(huì)迷失在混亂的各類標(biāo)簽中；另一方面，由于內(nèi)容與樣式的獨(dú)立，也可以為同一內(nèi)容套用各種樣式，使得顯示方式更加豐富、快捷。3、DTD(DocumentTypeDefine，文檔類型定義)DTD的作用是定義允許或不允許什么在文檔中出現(xiàn)。DTD的結(jié)構(gòu)：一般由元素類型聲明、屬性表聲明、實(shí)體聲明、記號(hào)聲明等構(gòu)成。一個(gè)典型的文檔類型定義文件會(huì)把未來(lái)所要?jiǎng)?chuàng)作的XML文檔的元素結(jié)構(gòu)、屬性類型、實(shí)體引用等預(yù)先進(jìn)行規(guī)定。用戶既可以直接在XML文檔中定義DTD，也可以通過(guò)URL引用外部的DTD。DTD位XML文檔的編寫者和處理者提供了共同遵循的原則，使得與文檔相關(guān)的各種工作有了統(tǒng)一的標(biāo)準(zhǔn)?；赬ML的信息集成方案圖2給出基于XML的信息集成的總體框圖[1]，是把來(lái)自供應(yīng)鏈節(jié)點(diǎn)上的、不同數(shù)據(jù)源(數(shù)據(jù)庫(kù)，構(gòu)件庫(kù)，領(lǐng)域知識(shí)庫(kù))的信息通過(guò)包裝器(Wrapper)轉(zhuǎn)換成XML數(shù)據(jù)，存儲(chǔ)在虛擬集中存儲(chǔ)器中，用戶通過(guò)DOM/SAX來(lái)獲取已經(jīng)轉(zhuǎn)換成XML格式的信息；同樣，用戶通過(guò)DOM/SAX接口提交的查詢命令，通過(guò)包裝器轉(zhuǎn)換成本地?cái)?shù)據(jù)源能夠識(shí)別的數(shù)據(jù)格式進(jìn)行查詢。用戶通過(guò)XML的封裝體實(shí)現(xiàn)彼此之間的交互，而不需要了解對(duì)方的數(shù)據(jù)格式。2、基于XML的信息集成的層次結(jié)構(gòu)如圖3所示，整個(gè)信息集成可以分為三個(gè)層次：其中最底層為信息抽取層，中間為中介層，最上層為用戶接口層。信息抽取層信息抽取層處于系統(tǒng)的最低層，是系統(tǒng)的數(shù)據(jù)提供者，主要功能是提取和集成分布在多個(gè)異構(gòu)數(shù)據(jù)源(數(shù)據(jù)庫(kù)，知識(shí)庫(kù)及構(gòu)件庫(kù))上的信息。這一層采用Wrapper(包裝器)技術(shù)實(shí)現(xiàn)將一個(gè)從中介層得到的查詢，翻譯成能在經(jīng)過(guò)封裝的數(shù)據(jù)源上執(zhí)行的操作，將查詢結(jié)果抽取并打包到一個(gè)XML文檔，最后將該文檔返回給中介層。中介層中介層(MediationLayer)的主要功能有兩方面：一方面對(duì)上接受用戶通過(guò)DOM客戶端API向系統(tǒng)提交的或應(yīng)用程序發(fā)出的查詢，將其轉(zhuǎn)換成對(duì)XML的查詢，并將查詢結(jié)果返回給用戶或應(yīng)用程序；另一方面對(duì)下將XML查詢分發(fā)給各個(gè)包裝器，并將查詢結(jié)果通過(guò)DTD說(shuō)明再轉(zhuǎn)換成XML格式。用戶接口層用戶接口層(UserInterfaceLayer)在中介層之上，負(fù)責(zé)將用戶的查詢命令提交給中介層，獲得并解釋查詢結(jié)果樹，并將結(jié)果顯示給用戶。XMLDOM(DocumentObjectModel，文檔對(duì)象模型)是為合法的格式良好的XML文檔設(shè)計(jì)的一套API(ApplicationProgrammingInterface，應(yīng)用程序接口)，它同時(shí)定義了這些文檔的邏輯結(jié)構(gòu)，訪問(wèn)及操作方法。由于數(shù)據(jù)顯示與內(nèi)容分開，XML定義的數(shù)據(jù)允許指定不同的顯示方式，使數(shù)據(jù)更合理的表現(xiàn)出來(lái)。本地的數(shù)據(jù)能夠以客戶配置，使用者選擇或其他標(biāo)準(zhǔn)決定的方式動(dòng)態(tài)的表現(xiàn)出來(lái)。CSS和XSL為數(shù)據(jù)的顯示提供了公布的機(jī)制。整個(gè)系統(tǒng)位于異構(gòu)數(shù)據(jù)源和應(yīng)用程序之間，向下協(xié)調(diào)各種數(shù)據(jù)源，向上為訪問(wèn)集成數(shù)據(jù)的應(yīng)用提供了統(tǒng)一的模式和訪問(wèn)的通用接口。系統(tǒng)為異構(gòu)數(shù)據(jù)源提供高層次的檢索服務(wù)。3、基于XML的信息集成的工作過(guò)程下面以用戶的一個(gè)信息查詢?yōu)槔?，?jiǎn)要說(shuō)明一下信息系統(tǒng)的工作過(guò)程：用戶通過(guò)DOM向系統(tǒng)提交信息查詢命令；虛擬集中存儲(chǔ)器區(qū)分各個(gè)XML查詢命令，并且將其發(fā)送到適當(dāng)?shù)腤rapper包裝器上；Wrapper包裝器負(fù)責(zé)將XML查詢轉(zhuǎn)換成本地?cái)?shù)據(jù)源能識(shí)別的語(yǔ)言，并在數(shù)據(jù)源中進(jìn)行查詢；查詢結(jié)果根據(jù)DTD說(shuō)明在轉(zhuǎn)換成XML格式并返回給虛擬集中存儲(chǔ)器由虛擬集中存儲(chǔ)器返回給DOM；通過(guò)DOM對(duì)XML文檔的處理，結(jié)合XSL技術(shù)將查詢結(jié)果顯示給用戶。4、基于XML的信息集成系統(tǒng)的設(shè)計(jì)根據(jù)基于XML的信息集成的層次結(jié)構(gòu)，下面給出包裝器Wrapper組件的設(shè)計(jì)。包裝器Wrapper組件的設(shè)計(jì)信息抽取層的Wrapper組件由兩部分組成：Wrapper生成器和Wrapper實(shí)例(簡(jiǎn)稱Wrapper)。如圖4所示，一個(gè)Wrapper位于中介層和一個(gè)數(shù)據(jù)源的中間，它通常為中介層查詢異構(gòu)信息源集合提供一個(gè)公共接口。每個(gè)Wrapper都要為某個(gè)特定的數(shù)據(jù)源制定相應(yīng)的接口，這個(gè)功能是由Wrapper生成器完成的。Wrapper生成器用于為查詢某個(gè)確定的站點(diǎn)或站點(diǎn)集合構(gòu)建Wrapper。Wrapper的輸入是用一種Wrapper規(guī)范語(yǔ)言書寫的規(guī)格說(shuō)明，包括關(guān)于將要為之生成的Wrapper的數(shù)據(jù)源的元信息，該元信息描述了如何從一個(gè)數(shù)據(jù)源請(qǐng)求服務(wù)以及如何抽取和解釋從數(shù)據(jù)源返回的信息。規(guī)格說(shuō)明還必須能夠表達(dá)以下內(nèi)容：數(shù)據(jù)源接口、數(shù)據(jù)模型、從用戶到數(shù)據(jù)源本地操作的查詢映射、數(shù)據(jù)源的查詢能力。通常為一個(gè)數(shù)據(jù)源生成一個(gè)有效的Wrapper所必須的信息是使用DTD來(lái)描述的。Wrapper生成器的輸出是一個(gè)可以執(zhí)行的Wrapper，該Wrapper能夠接受由Wrapper規(guī)范語(yǔ)言定義的查詢。下面以數(shù)據(jù)庫(kù)為例，給出對(duì)應(yīng)的Wrapper相應(yīng)的DTD：數(shù)據(jù)庫(kù)一個(gè)關(guān)系Wrapper能決定關(guān)系模型和DOM對(duì)象數(shù)據(jù)模型之間的映射。關(guān)系表的數(shù)據(jù)模式可以用三層來(lái)表示，即表--記錄--字段，因此可以很容易采用DTD來(lái)描述數(shù)據(jù)庫(kù)中關(guān)系表的數(shù)據(jù)模式。下面以兩個(gè)關(guān)系表Trait(PersonID，Name，BirthDate，Address，IdentifyId)及Treatment(TreatID，Drugname，TreatNote，PersonID)為例，他們與XMLDTD之間的映射如下：/*個(gè)人特性*/CreattableTrait(PersonIDCHAR(3)，NameCHAR(10)，BirthDateDATE，AddressCHAR(30)，IdentifyIdCHAR(18))/*治療信息*/CreattableTreatment(TreatIDNUMBER(6，0)，DrugnameCHAR(20)，TreatNoteCHAR(50)，PersonIDCHAR(3))＜!ELEMENTTrait(Name，BirthDate，Address，IdentifyId)＞＜!ATTLISTTraitPersonIDIDREF#REQUIRED＞＜!ELEMENTName(#PCDATA)＞＜!ELEMENTBirthDate(#PCDATA)＞＜!ELEMENTAddress(#PCDATA)＞＜!ELEMENTIdentifyID(#PCDATA)＞＜!ELEMENTTreatment(Drugname*，TreatNote，PersonID)＞＜!ATTLISTTreatmentTreatIDID#REQUIRED＞＜!ELEMENTDrugname(#PCDATA)＞＜!ELEMENTTreatNote(#PCDATA)＞＜!-Thisfilerepresentsafragmentofatelemedicinedata--＞在XML文檔與數(shù)據(jù)庫(kù)進(jìn)行雙向轉(zhuǎn)化的過(guò)程中，除去最上層的根節(jié)點(diǎn)外，元素節(jié)點(diǎn)對(duì)應(yīng)數(shù)據(jù)庫(kù)中的表，屬性和元素的類型對(duì)應(yīng)表中的列，若一個(gè)元素節(jié)點(diǎn)為另一個(gè)元素節(jié)點(diǎn)的子節(jié)點(diǎn)，則用數(shù)據(jù)庫(kù)中的主碼和外部碼建立表之間的關(guān)系。在上面的例子中，元素節(jié)點(diǎn)Trait和Treatment對(duì)應(yīng)數(shù)據(jù)庫(kù)中的表，而PersonID，Name等對(duì)應(yīng)表中的列。由于節(jié)點(diǎn)Treatment為節(jié)點(diǎn)Trait的子節(jié)點(diǎn)，因此用PersonID與Trait建立關(guān)聯(lián)。DOM客戶端API的設(shè)計(jì)DOM全稱是DocumentObjectModel，是一個(gè)文件對(duì)象所組成的模型。它不光用于XML，最早是用于HTML的。DOM定義了一組分析元可以顯示的標(biāo)準(zhǔn)指令集，通過(guò)程序存取HTML或XML的內(nèi)容，然后通過(guò)程序中的對(duì)象集合將其顯示出來(lái)。我們可以通過(guò)創(chuàng)建Document對(duì)象，使得應(yīng)用程序得到對(duì)XML文檔進(jìn)行操作的入口。進(jìn)一步通過(guò)直接加載XML文檔把創(chuàng)建的這個(gè)文檔對(duì)象同實(shí)際的XML文檔關(guān)聯(lián)起來(lái)。從而將XML文檔轉(zhuǎn)換成一個(gè)DOM對(duì)象模型，為上層提供訪問(wèn)服務(wù)。下面的例子結(jié)合VBScript和XMLDOM對(duì)象來(lái)生成XML數(shù)據(jù)：＜SCRIPTLANGUAGE=VBScript＞＜!--Subdombml_OnClick()Setdom_xml=CreateObject("Microsoft.XMLDOM")dom_xml.async=Falsedom_xml.loadXML"＜?xmlversion='1.0'?＞"&_"＜personalinfo＞"&_"＜name＞"&namel.Value&_"＜/name＞"&_"＜id＞"&id.Value&_"＜/id＞"&_"＜password＞"&password.Value&_"＜/password＞"&_"＜email＞"&email.Value&_"＜/email＞"&_"＜/persom