XML集成方法的研究.pdf

1、可擴(kuò)展標(biāo)記語言(Extensible Markup Language，XML)，是一種用于對(duì)電子文件信息進(jìn)行標(biāo)記，使電子文件信息具有結(jié)構(gòu)性的標(biāo)記語言，它不僅可以對(duì)數(shù)據(jù)進(jìn)行標(biāo)記，而且能對(duì)數(shù)據(jù)類型進(jìn)行定義，允許開發(fā)者自定義標(biāo)簽，同時(shí)可將標(biāo)簽和數(shù)據(jù)有效分離。與超文本標(biāo)記語言(Hypertext Markup Language，HTML)不同的是XML側(cè)重地不是數(shù)據(jù)的如何表示，而是更多的側(cè)重于數(shù)據(jù)的存儲(chǔ)和傳輸，于是，XML逐漸演變成了一種跨平臺(tái)

2、的數(shù)據(jù)交換格式，一種輕量級(jí)的數(shù)據(jù)存儲(chǔ)方案，現(xiàn)在已發(fā)展成為web數(shù)據(jù)交換的標(biāo)準(zhǔn)。
　　目前，XML在各個(gè)領(lǐng)域都得到了廣泛的應(yīng)用，在網(wǎng)絡(luò)上也產(chǎn)生了大量的XML數(shù)據(jù)文件，然而這些數(shù)據(jù)文件并不具有統(tǒng)一的格式，它們的結(jié)構(gòu)各異，這就給數(shù)據(jù)的分類存儲(chǔ)和統(tǒng)一的數(shù)據(jù)查詢帶來了困難。于是，如何有效地集成這些異構(gòu)的XML數(shù)據(jù)文件，將原本分離的、但內(nèi)容相關(guān)的數(shù)據(jù)文件進(jìn)行準(zhǔn)確地和快速地合并，進(jìn)而給用戶提供一種統(tǒng)一的檢索和服務(wù)，是海量數(shù)據(jù)管理和數(shù)據(jù)共享服務(wù)系

3、統(tǒng)中面臨的關(guān)鍵問題。同時(shí)隨著XML技術(shù)的發(fā)展，XML文件越來越多的以一種中間件文件的形式被應(yīng)用到關(guān)系數(shù)據(jù)庫數(shù)據(jù)的集成問題上。于是，如何找到一種高效的、精確的XML集成方法開始吸引越來越多的研究人員的目光。
　　本文提出了一種XML數(shù)據(jù)集成的方法。該方法給出了一個(gè)XML數(shù)據(jù)集成的通用框架，將XML數(shù)據(jù)集成問題分為四個(gè)小問題:目標(biāo)文檔DTD定義、目標(biāo)對(duì)象的自動(dòng)發(fā)現(xiàn)、重復(fù)判定和文檔的集成。目標(biāo)文檔DTD定義，定義了集成后的文檔的格式;源