XML技术概述

2006。 2006。3
计算机与电子系— 计算机与电子系—计算机技术教研室
XSLT转换机理 XSLT转换机理
XSLT将模式与模板相结合来实现转换 XSLT将模式与模板相结合来实现转换
样式表转换
XML FO
样式单树 (模板 模板) 模板 源文档 源树 指令执行
XML
XSL引擎 引擎
FO
结果树
XML
Non XML
2006。 2006。3
计算机与电子系— 计算机与电子系—计算机技术教研室
什么是模式
模式就是所规定节点处理的条件集合 满足条件的节点匹配该模式，不满足则不匹配 最普通的模式规定匹配元素类型的名称。
模式 doc * chapter|section section/title text() Node() 含义 配任何的doc元素 配任何的doc元素 匹配任何元素 匹配任何的chapter元素和section元素 匹配任何的chapter元素和section元素 匹配上一代元素为section的title元素 匹配上一代元素为section的title元素 匹配任何文本节点 匹配任何非属性节点和非根节点
2006。 2006。3 计算机与电子系— 计算机与电子系—计算机技术教研室
para、note元素所匹配的模板 para、note元素所匹配的模板
<xsl:template match="para"> <p><xsl:apply<p><xsl:apply-templates/></p> </xsl:template> <xsl:template match="note"> <p class="note"><b>NOTE:</b><xsl:applyclass="note"><b>NOTE:</b><xsl:applytemplates/></p> </xsl:template> <xsl:template match="emph"> <em><xsl:apply<em><xsl:apply-templates/></em> </xsl:template> </xsl:stylesheet>

严格要求嵌套、配对， 并遵循DTD的树形结 构 结构清晰，便于阅读、 维护 内容描述与显示方式 相分离 具有保值性 编辑、浏览工具尚不 成熟
可读性及可维护性 数据和显示的关系 保值性 编辑及浏览工具
XML文档的结构

案例名称：元标记语言 程序名称：9-01.xml
<?xml version="1.0" encoding="gb2312"?> <老师> <姓名>zhourunfa</姓名> <性别>male</性别> <职业>Teacher Peking Univ.</职业> </老师>

内部DTD （例子） 外部DTD
<?xml version = "1.0" encoding="GB2312" standalone = "yes"?> <!DOCTYPE 联系人列表[ <!ELEMENT 联系人列表 (联系人)*> <!ELEMENT 联系人 (姓名,ID,公司,EMAIL,电话,地址)> <!ELEMENT 地址 (街道,城市,省份)> <!ELEMENT 姓名 (#PCDATA)> <!ELEMENT ID (#PCDATA)> <!ELEMENT 公司 (#PCDATA)> <!ELEMENT EMAIL (#PCDATA)> <!ELEMENT 电话 (#PCDATA)> <!ELEMENT 街道 (#PCDATA)> <!ELEMENT 城市 (#PCDATA)> <!ELEMENT 省份 (#PCDATA)> ]> <?xml-stylesheet type="text/xsl" href="mystyle.xsl"?> <联系人列表> <联系人> <姓名>张三</姓名> <ID>001</ID> <公司>A公司</公司> <EMAIL>zhang@</EMAIL> <电话>(010)62345678</电话> <地址> <街道>五街1234号</街道> <城市>北京市</城市> <省份>北京</省份> </地址> </联系人> </联系人列表>

对当今 瞬息万变的商业 环境 ， 一个公司 想要成功 ， 必须把信息技术转化为 自己的商业 优势 ， 其中包括能够在合适的时问 ， 把合适的信 息交到合适的人手中。 不幸的是 ， 现实于此截然
一
一
一
６Ｏ 一
关键词： ＸＭＬＨＴ ； 记 语 言 ； ＭＬ标
的解释。浏览器中预定义 了特定标记的特定显 对给定的 Ｘ Ｌ Ｍ 文档进行变换之后生成的。 现在 示 或逻辑方 案 ； Ｔ Ｌ的主要功能 在于通过浏 我们要将 网站的内容放在一本书中，只需要重 ＨＭ 览器完成对信息的显示 ， 即信息 的格式化控制。 新定义 Ｘ Ｌ ， ＳＴ 给出变化规则 ， 可以将 内容完 就 Ｘ ＭＬ是 Ｓ ＭＬ是文档的精简版本 。Ｓ ＭＬ过 于 美的再现在另外 的一种形式中了。 Ｇ Ｇ 复杂 ，学习难度和开发难度都很大 ；Ｍ Ｘ Ｌ的主 ６ Ｍ 用于通信。 Ｍ 的应用在于于计 ．ｘ Ｌ ２ Ｘ Ｌ 算机之间的数据交换。当—个系统可能有几台 相反 ， 几乎所 有 的 ｎ 部门 ， 被巨大 、 ’ 都 错综复 要特点如下 ： 杂、 新旧交替的系统所 累， 而且受到资源的极大 ４１不同系统平台的信息互通。 ． 服务器 ，同时使用不同的操作 系统和数据库的 时候 ，不同系统之间的数据交换将变成一个十 制约。 ４ ． ２整合多种不同数据源的数据 。 由于世界上存在着如此多 的、 完全不 同的 Ｍ 我 ４３平衡 客户端和服务器端的处理负荷 。 分令人头疼的事情。当采用 Ｘ Ｌ规范以后 ， ＿ 客户平台 ， 在不同平台问交换数据 ， 同时还要保 ４４以灵活多变的方式显示数据。 ． 们只需要接收 Ｘ Ｌ Ｍ 标记 的数据 ，遵循在 Ｉ Ｄ Ｙ ｒ ４５更精确的数据检索。 ． 中定义的规范 ，而不需要知道对方 的系统是什 证数据的完整和服务的高效 ，这是 件令人头痛 的事情 。在大型 Ｗｅ ｂ应用中， 工程师们往往被 ５有了 Ｈ ＭＬ 为什么还需要用 Ｘ ？ Ｔ ， ＭＬ 么。 因为 Ｘ Ｌ Ｍ 数据不与任何类型的客户方栓在 数据格式的转换弄得疲惫不堪 ，即便是整理完 Ｓ ＭＬ的一个重要的派生 ，就是超文本标 起 。 以它提供 了一种很容易在 网络上传输 Ｇ 所 成 的数据 ， 如何让各种客户端都能正确获取和 记语言 Ｈ ＭＬ Ｔ 。几乎所有的用户都熟悉 Ｈ ＭＬ 的非常简单的数据表示方式。 Ｔ ， 理解也是不小的麻烦。 最终 ， 这一问题成为制约 人们感谢 Ｈ ＭＬ 正是 由于 ＩＦ Ｔ ， Ｔ ＭＬ标 准的出现 ， ６ Ｍ 用于配置 。作为应用程序服务器 ．Ｘ Ｌ ３ 增加了技术的可移植性 。 实际 ｗｅ ｅ ｉ 发展的瓶 颈。近年来 ， ｂ Ｓｒ ｃ ｖｅ 随着企业运 才使 Ｉｔ ｔ ｎｅ 走出了实验室 ， ｍｅ 成为人人皆可使用 的配置说明文档 ， 营 国际化的趋势越来越明显，垮平台垮语言 的 的工具， 也成为影 响世界最重要的技术 ， 它不但 上，从 ｓ Ｍ 派生出 Ｘ Ｌ Ｇ Ｌ Ｍ 子集的主要原因是 ， 远程调用成为一种迫切需要的能力 ，人们需要 改变了人们的生活 ， 也改变 了世界运转的方式 ， 编写处理 Ｓ Ｍ Ｇ Ｌ文档的应用程序太笨拙 了。如 种平台无关的、能够同时被人类和机器所理 同时 ， 更为软件的开发形式带来 了多元化的形 果希望 Ｘ Ｌ Ｍ 有实用性 ， 那么它就必须很容易编 解 和处 理 的 文本 数 据 格 式 。 而这 种 技 术 的核 心 ， 式 。 写文档处理程序、 文档浏览器和其它程序 ， 只有 就是 Ｘ 。 ＭＬ 因为现在网络 应用越来越 广泛 ，仅仅靠 这样 ， 使用 Ｘ Ｌ的代价才不会太大 。 Ｍ ２Ｘ ＭＬ概 述 ＨＭ Ｔ Ｌ单一文件类型来处理干变万化的文档和 ７使用 Ｘ Ｌ Ｍ 的好处 Ｘ ＭＬ是 Ｅ ｔ ｓ ｌ Ｍａｋ ｐ Ｌ ｎ ｕ ｇ ｘｅ ｉ ｅ ｎ ｂ ｒｕ ａ ｇ ａ ｅ的 缩 数据 已经力不丛心 ， 而且 Ｈ ＭＬ本身语法十分 Ｔ ７１Ｘ 可 以广泛地运用 于 Ｗ ｂ ． ＭＬ ｅ 的任何 写， 中文含义为“ 可扩展标 记语 言” Ｍ 。Ｘ Ｌ首先 不严密 ， 严重影响网络信 息传送和共享。 人们早 地方。 是一种标记语言而且是用来创造标 记语言 （ 已经开始探讨用什么方法来满足网络上各种应 比 ７ Ｍ 可以满足网络应用的需求 。 ．Ｘ Ｌ ２ 如 ＨＭ ） Ｔ Ｌ的元语 言 ； 其次 ， 它是一种 可扩展 的 用 的 需 要 。 ７ ． ３使用 Ｘ Ｌ Ｍ 将使编程更加简单 。 标记语言 ， 因为在 Ｘ 中允许用户 自己来创建 ＭＬ ７４ＸＭＬ便于学习和创建 。 ． 使用 Ｓ Ｍ 是可以的， Ｓ Ｍ 太庞大 ， Ｇ Ｌ 但 Ｇ Ｌ 编 标签 ， 所以叫做可扩展性 。 程复杂 ，于是最终选择 了 “ 减肥”的 Ｓ ＭＬ— Ｇ ７ ＭＬ ． Ｘ 代码将清晰和便于阅读理解。 ５ 标 记语言是 指在 普通文本 中加 入一些具 Ｘ ＭＬ作为下一代 Ｗｅ ｂ运用的数据传输 和交互 ８结 论 有特定含义的标记 ，以对文本的内容进行标识 的工具 。和 Ｈ ＭＬ一样 ，ＭＬ 是依据 Ｓ ＭＬ标 Ｔ Ｘ Ｇ 新旧技术的集成是当今商业面对的一个巨 和说明的一种文件表示方法 。标记语言对文档 准演 化 而 来 的 。Ｗ３ 此 建 立 了 Ｘ Ｃ为 ＭＬ工 作 组 大的挑战 ， 在许多企业环境 中， 每一种平台都有 的意义进行了分析和细化 ，使得计算机应用软 （ ｘｗＧ） 开 始 创建 ＸＭ 来 Ｌ的进 程 。Ｘ ＭＬ将 派 生 它工作的最佳范围，一个平台不可能 良好 的完 件对文本的意义也就有了一定程度 的理解。 于 Ｓ Ｌ，但与 Ｓ ＭＬ相 比， Ｌ将大 幅度简 成包 罗万象的任务 ， ＧＭ Ｇ ＸＭ 基础结构是在发展中逐渐 ３ＸＭＬ的标记特性 化， 原则上它只使用 ２ ％ Ｇ Ｌ ０ Ｓ Ｍ 标准 ， 但需要发 充实 完善 的，因此 ，Ｍ Ｘ Ｌ技术的研究还有更大 ３ ． １作为一种标记语言 ， 它最基本的功能 挥 了 ８ ％的效力 。同时与 Ｈ ＭＬ相比 ， ０ Ｔ 它需要 的发 展 空 问 。 就是在文档中添加标记， 而且， 标记的添加必须 更加严谨 ，而且更适合于计算机之间的数据交 参 考文 献 遵循一定的规则。最为直观的规则就是标记必 换 。 『 １ １周爱武， 李孙长， 程博等． Ｍ 数据库的研究 Ｘ Ｌ 须成对出现 。 ６Ｘ ＭＬ的应 用 与应 用 【１ Ｊ ．计算机 技 术与 发展 ，０ ９ １ （） ２ ０ ，９９ ： ２ ４． ８ ３ ． ２所使用的标记都是非预定 义的，即用 ６１Ｘ ． ＭＬ用于表示 内容。内容与表现形式 ２１ － ２ 户 自己定义的。只要遵守 Ｘ ＭＬ的标 记命名规 的分离 ， 一个 Ｘ ＭＬ文档中几乎所有的内容都是 『１苗 维 杰， ．基 于 Ｘ ２ 天辉 ＭＬ代 码 生成 技 术 的应 则， 可以在文档中添加任何标记。 数据和数据结构 ， 它主要用于传递数据， 对数据 用研 究 ． 元 器件 应 用 ，０ ９ ｌ（ｏ：５ ８ ． 电子 ２ ０ ，１１）７ — ２ ３ ． ３用户 自 定义的标记 ， 户可在文档内， 的表 现 完全 被 剥 离 。 用 ｆ】陈腾 ． ３ 基于 ＸＭＬ数据发布的设计和 实现ｍ． 也可以在文档之外进行说明。 标记的说明称为： 现在的大部分 网站都是用 Ｈ Ｍ Ｔ Ｌ编写的。 地 理 空间 信 息 ，０９ ７５：７ ９ ． ２ ０ ，（）８ — １ ＤＴ Ｄ。 网页设计师们精心设计的网页 ， 能够在 Ｗｅ ｂ浏 ｆ１ 治俊， ４ 邢 王凌飞， 谢声时等． 浅谈 Ｘ ＭＬ解析 ３ Ｍ 文档的标记只描述文 档的内容， 览器上很漂亮的显示出来 ，但是如果想把这些 技 术 明． 南金 融 电脑 ，０ ９ １ｆｏ： １５ ． ．Ｘ Ｌ ４ 华 ２ ０ ，】】 ） － ２ ５ 具体说 ， 只描述文档的结构和意义 。 不描述其任 网页所 包含的内容重新设计在一本书 中的话 ， 作 者 简 介 ： 宁 （９ ５ ） 女 ， 师 ， 士 ， 任 １７ 一 ， 讲 硕 研 何显示 、 出等格式化信息。 输 显然 ， 浏览器上 的漂亮 内容就不能很方便 的在 究方 向 为软 件 工程 和 网络技 术 。 ４ＸＭＬ和 Ｈ ＭＬ的 比较 Ｔ 书中体 现出来 了。但是 ，ＭＬ的出现为解决这 Ｘ Ｈ ＭＬ通过在 文档 中添加具 有特定 意义 种问题提供了一种 良好 的解决方案 。 Ｔ 的标记来组织 文档 ； Ｔ Ｌ所使用 的标 记都 是 ＨＭ 因为 ＸＭ Ｌ只是定义数据 ， 它并不关心数据 预定义 （ 固有的标 记） 不同的 Ｈ Ｍ 版本具 是如何显示 的， 的， Ｔ Ｌ 所以用 Ｘ ＭＩ设计出的网站其 内 有不同的标 记集合 ； 浏览器完成对 Ｈ Ｍ 文 档 容和显示是分离的。一般的网页是通过 Ｘ Ｌ ＴＬ ＳＴ

2.4 面向文档的指针式解析技术
前面提到的面向文档的流式解析效率较高，但易用性差，而对象式解析易用性强，却效率较低，这两种方式似乎处于两个极端。其效率问题主要在于两种方式都是提取解析模式，即解析时，提取一部分源文件，一般来说是一个字符串，然后在内存中进行解析构建。这种解析模式注定了需要大量的创建和销毁对象，而且还存在更新效率问题，在DOM中（SAX并不支持更新），每一次改动都需要将DOM模型重新完整的解析成XML字符串，原文件并没有被利用，即DOM并不支持增量更新。为了解决这些问题，提出了一种较新颖的指针式解析技术，即VTD-XML.
而且VTD-XML还可以高效的实现增量更新，例如，如果想在一个大型XML文档中找出一个节点元素并删除它，那么只需要找到这个元素的VTD，将这个VTD从VTD数组中删除，然后再利用所有的VTD写出到另一个二进制数组中就可以了，因为删除的VTD标明了要删除的元素的位置，所以在新写入的二进制数组中就不会出现这段元素了。用VTD写入新的二进制数组的过程实际上就是一个二进制数组的拷贝过程，其效率是非常高的[2].
SAX中的核心事件处理程序是一个实现了ContentHandler接口的类。此接口中定义了处理与XML文档本身关联的事件的方法，如 startDocument、endDocument、startElement、endElement、Characters等
SAX解析技术具有所有流式解析技术的优点和缺点，但是由于在整个解析过程中，解析器掌握着控制权直到文档结束，应用程序很难在获得所需的部分数据后停止解析过程（可以通过抛出异常的方式终止解析过程，但较为复杂，而且终止后也无法继续解析过程），因此产生了由应用程序掌握控制权的拉式解析方式。
VTD（Virtual Token Descriptor，虚拟令牌描述符）是一个64bits长度的数值类型，记录了每个元素的起始位置，长度，深度以及令牌的类型等信息，如图3所示。64bits固定长度使得可以用数组这种高效的结构来组织VTD，大幅提高性能。VTD是实现无提取解析的关键，它类似于XML文档中元素的指针，通过它可以快速定位到某个元素。

关键词 ： 信息检 索 ； 数据库 ； ＭＬ Ｓ ＭＬ Ｘ ；Ｇ
中图分类号 ：Ｐ ９ ．２ Ｔ ３３ ０
随着信息时代 的到来 ， 信息多元化 的程度在不 断加深 ， 人们 对各 种 信息 的需求 越来 越广 泛 ， 了弥 为 补ＨＭ Ｔ Ｌ过于简单的弱点 ，Ｍ 对分散 的Ｗｅ 信息 Ｘ Ｌ ｂ 资源在逻辑上进行 了有组织 的管理 ， 设计了一个专
第２ ７卷
第１ ９期
甘 肃科 技
Ｇａ ｓ ｃ ｅ ｃ ｎ ｅ ｈ ｏｏ ｙ ｎ ｕ Ｓ ｉｎ ｅ ａ ｄ Ｔ ｃ ｎ ｌ ｇ
Ｚ２ ．７
Ⅳ０ ９ ．１
２１ ０ １年 １ ０月
０￡ ｃ。
２ １ ０１
Ｘ 息 检 索技 术 综 述 ＭＬ信
党杨 阳
（ 康县教育局 ， 甘肃 陇南 ７６０ ） ４５０ 摘 要 ：Ｍ （ ｘ ｎｉｅ ａ ｕ ａｇａｅ 即可 扩展 标记 语 言 ， 与 Ｈ Ｍ Ｘ Ｌ Ｅｔ ｓｌ Ｍ ｒ ｐＬｎｕｇ） ｅ ｂ ｋ 它 Ｔ Ｌ一样 ， 都是 处 于 Ｓ Ｍ ， 准通 用语 言 。 Ｇ Ｌ标
Ｘ Ｌ是 Ｉｔｒｅ 环境中跨平台的 、 Ｍ ｎｅｎｔ 依赖于 内容 的技术 ， 是当前 处理结构化文档信 息的有力 工具 ， 是一种简单 的数据存 储语言 。目前 Ｘ ＭＬ已经成为表示 Ｗｅ ｂ上多样 性数 据的事 实标 准 ， 以预见 ， ｂ上 的数据将 主要 以 Ｘ 可 Ｗｅ ＭＬ形式存
在。
自动 处理 。Ｘ ＭＬ的出现 ， 为信 息 的标 准化 提 供 了有 力 的工具 。
１４ 替 代传统 的 Ｅ ． ＤＩ
取面向专业 内容的信息资源提供 了一种方法。
１ Ｘ ＭＬ应 用 概 述
Ｘ ＭＬ在 实 际应用 中发 挥 了 巨大 作 用 ， 然人 们 虽

</书架>
PPT学习交流
7
XML与HTML的比较
• HTML将数据和其显示效果混在一起，它是一种表现技术 ; XML 文档只是存储了数据和描述了数据之间的关系，没有规定该如何 显示数据。
• HTML的格式要求比较松散 ；而XML是非常严格的标记语言。
• HTML的标记集合是固定的；而XML只是提供了一个标准，人们 可以按照这个标准来定义自己专用的标记。
PPT学习交流
13
元素的标记名称建议
• 不要使用“.”，因为在很多程序语言中，“.”用于引用对象的属性。 • 最好不要用减号（-），而以下划线（_）代替，以避免与表达式中的
减号（-）运算符发生冲突。 • 名称尽量简短，以减少XML文档的大小。 • 名称的大小写尽量采用同一标准，要么全部大写，要么全部小写。 • 名称可以使用非英文字符，例如中文，但是有些软件可能不支持非英
11
元素定义
• 一个XML元素由一个标记来定义，包括开始和结束标记以及其中 的内容，例如：
<书名>Java就业培训教程</书名>
• 一个元素中可以嵌套若干子元素。
• 格式良好的XML文档必须有且仅有一个根元素，其它元素都是这 个根元素的子孙元素。
• 空元素可以不使用结束标记，但必须在起始标记的结束定界符 （>）前面增加一个正斜杠（/）字符，例如：
PPT学习交流
4
XML的起源与作用
• 在线电子商务活动交换的电子文档必须采用某种标准格式，统一电 子文档的标准规范是电子商务的基础。
• HTML不适合作为电子商务的文档标准。 • SGML（Standard Generalized Markup Language）过于复杂，无法