一種XML解析器技術(shù)的研究與實(shí)現(xiàn)

曹風(fēng)華

(內(nèi)蒙古財(cái)經(jīng)學(xué)院 計(jì)算機(jī)信息管理學(xué)院，內(nèi)蒙古 呼和浩特 010070)

XML[1](Extensible Markup Language)是一種可擴(kuò)展標(biāo)記語(yǔ)言，可以用來(lái)定義其他的標(biāo)記語(yǔ)言。自從XML成為W3C推薦標(biāo)準(zhǔn)以來(lái)，XML以其簡(jiǎn)單、可擴(kuò)展性、自描述性、平臺(tái)中立的特點(diǎn)，正迅速成為Web上信息表示與數(shù)據(jù)交換的標(biāo)準(zhǔn)[2]。目前眾多國(guó)際著名公司都宣稱(chēng)其產(chǎn)品中支持XML，促使XML成為下一代Web的發(fā)展方向。越來(lái)越多的網(wǎng)站和Web的應(yīng)用使用XML技術(shù)進(jìn)行信息發(fā)布和數(shù)據(jù)交換，XML已成為一種備受矚目的技術(shù)，甚至被譽(yù)為互聯(lián)網(wǎng)上的世界語(yǔ)。XML現(xiàn)已被廣泛應(yīng)用在各種領(lǐng)域，如電子商務(wù)、企業(yè)協(xié)作、Web服務(wù)等。XML解析器是XML應(yīng)用的基礎(chǔ)，XML本身只是以純文本對(duì)數(shù)據(jù)進(jìn)行編碼的一種格式，要想利用XML，或是利用XML文件中所編碼的數(shù)據(jù)，必須先將數(shù)據(jù)從純文本中解析出來(lái)。因此，要求必須有一個(gè)能夠識(shí)別XML文檔信息的文本文件閱讀器(即XML解析器)，用來(lái)解析XML文檔并提取其中的內(nèi)容。為了提高數(shù)據(jù)的正確性和提高系統(tǒng)的可靠性，XML解析器還要檢查XML實(shí)例文檔是否符合模式的定義和約束，這個(gè)過(guò)程稱(chēng)為XML文檔的有效性驗(yàn)證[3]。但帶有驗(yàn)證功能的解析器通常效率比較低[4]。近年來(lái)，有很多旨在提高XML的解析和基于Schema驗(yàn)證性能的研究，本文在詳細(xì)分析了XML解析器的解析過(guò)程的基礎(chǔ)上，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)特定Schema解析器的生成工具。生成器根據(jù)特定的Schema，自動(dòng)產(chǎn)生一個(gè)遞歸下降的XML解析器。這個(gè)生成解析器能夠?qū)ML文檔同時(shí)進(jìn)行解析和有效性驗(yàn)證。

1 XML與Schema簡(jiǎn)介

可擴(kuò)展標(biāo)記語(yǔ)言XML是由World Wide Web Consortium(W3C)于1998年2月發(fā)布的一種基于文本的數(shù)據(jù)描述語(yǔ)言的通行標(biāo)準(zhǔn)，與HTML類(lèi)似，XML是一種標(biāo)記語(yǔ)言，兩者在語(yǔ)法上有密切的聯(lián)系。不同的是，HTML著重于如何顯示數(shù)據(jù)，而XML的設(shè)計(jì)宗旨是存儲(chǔ)和傳輸數(shù)據(jù)，著重于如何描述數(shù)據(jù)。XML來(lái)源于標(biāo)準(zhǔn)通用標(biāo)記語(yǔ)言SGML(Standard Generalized Markup Language)，是 SGML 的一個(gè)精簡(jiǎn)子集[5]。XML有如下的特點(diǎn)：

(1)可擴(kuò)展性：XML是一種元標(biāo)記語(yǔ)言，即XML可用來(lái)設(shè)計(jì)和定義標(biāo)記語(yǔ)言，XML強(qiáng)大的功能體現(xiàn)在它可以用來(lái)制定自己的標(biāo)記語(yǔ)言。不同的具體應(yīng)用領(lǐng)域可以制定專(zhuān)用的標(biāo)記語(yǔ)言，作為該領(lǐng)域共享數(shù)據(jù)和交換信息的基礎(chǔ)。

(2)內(nèi)容與表現(xiàn)分離：XML使得用戶(hù)界面和結(jié)構(gòu)數(shù)據(jù)之間保持獨(dú)立。XML描述數(shù)據(jù)的內(nèi)容 (即數(shù)據(jù)是什么)，而數(shù)據(jù)呈現(xiàn)方式則通過(guò)樣式單來(lái)表示。內(nèi)容與表現(xiàn)分離，使相同的數(shù)據(jù)可以不同的格式在不同的媒體上表現(xiàn)。

(3)結(jié)構(gòu)化：XML以結(jié)構(gòu)化的方式描述數(shù)據(jù)。這個(gè)特點(diǎn)使得XML能夠描述復(fù)雜的數(shù)據(jù)結(jié)構(gòu)，同時(shí)也為關(guān)系數(shù)據(jù)和層次數(shù)據(jù)提供一種方便的描述方式。

(4)可驗(yàn)證：XML文檔的結(jié)構(gòu)和內(nèi)容由XML模式語(yǔ)言(如 DTD，XML Schema等)定義。利用 XML文檔所對(duì)應(yīng)的DTD或Schema，可以對(duì)XML文檔有效性進(jìn)行驗(yàn)證，提高了數(shù)據(jù)的可靠性和可用性。

XML模式(Schema)指的是一類(lèi)XML文檔的結(jié)構(gòu)或是模型，這個(gè)模型描述了一個(gè)有效XML文檔內(nèi)的元素層次結(jié)構(gòu)和允許的內(nèi)容。模式定義了一個(gè)XML詞匯表，包括元素名稱(chēng)、屬性名稱(chēng)等。模式規(guī)定了一個(gè)XML文檔允許出現(xiàn)的元素、相應(yīng)的元素允許出現(xiàn)的屬性以及這些元素的層次結(jié)構(gòu)關(guān)系。XML的模式語(yǔ)言有很多，其中包括文檔類(lèi)型定義 DTD(Document Type Definition)、XML Schema、XML規(guī)則語(yǔ)言描述 RELAX(REgular LAnguage description forXML)、XML樹(shù) 形 規(guī) 則 表 示 TREX(Tree Regular Expressions for XML)和下一代RELAX NG(RELAX Next Generation)[6]。

XML Schema是一種使用XML語(yǔ)法的XML模式語(yǔ)言。DTD曾是描述、約束XML文檔最廣泛的方法，但在應(yīng)用的過(guò)程中，DTD體現(xiàn)出一些局限性。主要表現(xiàn)在語(yǔ)法與XML語(yǔ)法不一致，只支持有限的數(shù)據(jù)類(lèi)型而不支持命名空間等方面。作為DTD的后繼者，XML Schema克服了這些缺陷。XML Schema區(qū)別于DTD的主要特性表現(xiàn)在[7]：

(1)XMLSchema本身就是XML文檔，使得XML Schema的處理可以與XML一樣，一些用來(lái)處理XML的技術(shù)也可以用來(lái)處理XML Schema。

(2)定義了豐富的數(shù)據(jù)類(lèi)型，如布爾型、整型、日期時(shí)間、URI、十進(jìn)制數(shù)等簡(jiǎn)單數(shù)據(jù)類(lèi)型。

(3)支持用戶(hù)自定義數(shù)據(jù)類(lèi)型。XML Schema支持從現(xiàn)有的數(shù)據(jù)類(lèi)型派生出新的數(shù)據(jù)類(lèi)型，類(lèi)似于面向?qū)ο笾械睦^承。

(4)充分支持命名空間。

因此，XML Schema成為W3C的正式推薦標(biāo)準(zhǔn)，并正逐步取代XML DTD。

2 Schema解析器生成工具的設(shè)計(jì)與實(shí)現(xiàn)

基于特定Schema的XML解析器的基本思想是根據(jù)某一特定的Schema，構(gòu)造一個(gè)專(zhuān)用的解析器，這個(gè)解析器能夠?qū)斎氲腦ML文檔進(jìn)行良構(gòu)檢查，同時(shí)驗(yàn)證其有效性?；谔囟⊿chema解析器將XML的解析和驗(yàn)證結(jié)合在一起，在一定程度上提高了基于XML應(yīng)用的效率和性能。但這個(gè)解析器只適用于由這個(gè)Schema定義的XML實(shí)例文檔，對(duì)于由其他Schema定義的XML實(shí)例文檔則無(wú)能為力。當(dāng)Schema改變時(shí)或者需要另外一個(gè)Schema定義時(shí)，必須重新構(gòu)造一個(gè)解析器。而本文設(shè)計(jì)并實(shí)現(xiàn)了利用JavaCC工具自動(dòng)生成一個(gè)特定Schema解析器的方法。該方法以一個(gè)Schema文件為輸入，生成一個(gè)基于這個(gè)Schema的解析器。

自動(dòng)生成特定解析器的基本流程如圖1所示。由于Schema文檔本身也是一種XML文檔，所以完全可以使用通用的XML解析器對(duì)其解析，也可以構(gòu)造一個(gè)專(zhuān)用于解析Schema的解析器，但由于Schema的語(yǔ)法比較復(fù)雜，構(gòu)造起來(lái)比較困難。一種較容易實(shí)現(xiàn)的方法是先將Schema轉(zhuǎn)化為XML樹(shù)模型的表示，再轉(zhuǎn)換為Schema的抽象模型表示?；谔囟⊿chema的XML解析器生成工具的基本步驟如下：

(1)首先利用JavaCC構(gòu)造一個(gè)通用的XML解析器(GeneralParser)。

(2)通用XML解析器將Schema輸入文件解析成一個(gè)XML語(yǔ)法的元素節(jié)點(diǎn)樹(shù)。

(3)遍歷這一XML語(yǔ)法的樹(shù)模型，將其轉(zhuǎn)換為Schema語(yǔ)法的抽象模型。

(4)根據(jù)Schema抽象模型，生成特定解析器的詞法和語(yǔ)法規(guī)格說(shuō)明。

(5)利用 JavaCC，生成基于輸入 Schema的專(zhuān)用 XML解析器。

2.1 構(gòu)造XML解析器

構(gòu)造XML解析器的目的在于解析Schema文檔，提取其描述和約束XML文檔結(jié)構(gòu)和內(nèi)容的信息。XML Schema遵循XML語(yǔ)法，因此可以使用任何通用的XML解析器對(duì)其解析。下面介紹一個(gè)用于解析XML Schema文檔的XML解析器的構(gòu)造。

由于XML文檔是可以包含DTD聲明和DTD子集的，所以處理XML文檔時(shí)也應(yīng)該包含DTD的語(yǔ)法的處理。但是XML Schema也是一種XML文檔，一般不會(huì)包含DTD聲明和定義。另外，由XML Schema定義的XML實(shí)例文檔通常也不會(huì)再用DTD定義，所以也不會(huì)包含DTD的聲明或DTD子集。因此，在處理XML Schema文檔時(shí)不考慮DTD語(yǔ)法的處理；在生成這個(gè)Schema定義的XML實(shí)例文檔的解析器時(shí)，也不考慮DTD語(yǔ)法的處理。這樣有助于簡(jiǎn)化設(shè)計(jì)和實(shí)現(xiàn)。

2.1.1構(gòu)造詞法分析器

JavaCC能根據(jù)輸入的詞法規(guī)格說(shuō)明，產(chǎn)生一個(gè)基于DFA的詞法分析器。因此需要提供一個(gè)合適的詞法規(guī)格說(shuō)明。

JavaCC的詞法規(guī)格說(shuō)明使用正則表達(dá)式定義詞法結(jié)構(gòu)，每一個(gè)詞法記號(hào)(Token)名稱(chēng)對(duì)應(yīng)著一個(gè)正則表達(dá)式，例如：＜S：(""|" "|" "|" ")+＞表示空白空間的詞法構(gòu)成，其中S是助記符，而(""|" "|" "|" ")+是相應(yīng)的正則表達(dá)式，表示由一個(gè)或多個(gè)分隔字符組成的字符串 ， 分 隔 字 符 包 括 空 格 、 制 表 符 ′ ′、 換 行 符 ′ ′和 ′ ′。

XML規(guī)范中表示詞法結(jié)構(gòu)的表達(dá)式，很多可以比較容易地轉(zhuǎn)換為JavaCC詞法規(guī)格說(shuō)明的正則表達(dá)式形式。但有一些需要特殊的處理才能轉(zhuǎn)換為JavaCC可以識(shí)別的表示形式。

JavaCC的詞法規(guī)格說(shuō)明由一些詞法狀態(tài)和定義在各個(gè)詞法狀態(tài)內(nèi)的正則表達(dá)式組成。生成的詞法分析器在分析詞法的任何時(shí)候都只能處于一個(gè)詞法狀態(tài)中。這種機(jī)制能夠有效地解決多個(gè)正則表達(dá)式發(fā)生沖突的問(wèn)題。例如，識(shí)別標(biāo)記間的字符數(shù)據(jù)的正則表達(dá)式可以表示 為 ：＜CHAR_DATA：(～["＜"，"&"，"]"]|"]"～["＜ "，"&"，"]"]|"]"("]")+～["＜"，"&"，"＞"])+("]")*＞，這與其他很多記號(hào)的正則表達(dá)式相沖突，包括標(biāo)記中的元素名＜IDENTIFIER：＜NAME＞＞。這是因?yàn)閮蓚€(gè)正則表達(dá)式表示的語(yǔ)言有公共子集，當(dāng)出現(xiàn)公共子集中的一個(gè)串時(shí)，詞法分析器不知道應(yīng)該匹配哪一個(gè)正則表達(dá)式。實(shí)際上JavaCC只將其匹配為在詞法規(guī)格文件中較早出現(xiàn)的那個(gè)表達(dá)式。利用詞法狀態(tài)可以解決這類(lèi)問(wèn)題，使元素名只會(huì)出現(xiàn)在標(biāo)記中，而字符數(shù)據(jù)只出現(xiàn)在標(biāo)記外，因而可以定義兩種詞法狀態(tài)：在標(biāo)記中的狀態(tài)和標(biāo)記外狀態(tài)，使它們分別在這兩個(gè)詞法狀態(tài)中識(shí)別。詞法狀態(tài)之間的轉(zhuǎn)移可以通過(guò)在匹配一個(gè)記號(hào)后，指定要轉(zhuǎn)移的下一個(gè)詞法狀態(tài)來(lái)實(shí)現(xiàn)。另一種更靈活的方法是在執(zhí)行詞法動(dòng)作(定義在匹配表達(dá)式后執(zhí)行的Java代碼)時(shí)，調(diào)用詞法分析器的SwitchTo()方法，轉(zhuǎn)移到某一指定的狀態(tài)中。

2.1.2構(gòu)造語(yǔ)法分析器

JavaCC使用自頂向下遞歸下降的分析方法，并且在需要選擇候選式的地方默認(rèn)向前看一個(gè)符號(hào)進(jìn)行判斷，因此JavaCC使用的也是一種LL(1)的分析方法。XML標(biāo)準(zhǔn)中的EBNF不是LL(1)的文法，這樣會(huì)導(dǎo)致一些選擇的沖突，使得語(yǔ)法分析器不能正確地分析語(yǔ)法。雖然JavaCC也支持LL(k)(k＞1)的分析方法，即在所有的選擇點(diǎn)向前看k個(gè)符號(hào)，但這樣會(huì)很大程度地降低解析的效率。解決的方法是對(duì)XML標(biāo)準(zhǔn)中的EBNF表示的文法進(jìn)行改寫(xiě)，使其成為L(zhǎng)L(1)文法。將非LL(1)文法改寫(xiě)為L(zhǎng)L(1)的過(guò)程包括消除左遞歸和提取左因子。XML標(biāo)準(zhǔn)中的文法幾乎不存在左遞歸，因此只需要提取左因子。

XML標(biāo)準(zhǔn)中語(yǔ)法的產(chǎn)生式存在公共左因子的典型例子是元素的產(chǎn)生式。元素及其相關(guān)的EBNF表達(dá)式如表1所示。

表1 元素及其相關(guān)的EBNF表達(dá)式

元素產(chǎn)生式的右部是空元素標(biāo)記或開(kāi)始標(biāo)記后跟元素內(nèi)容和結(jié)束標(biāo)記。其中空元素標(biāo)記和開(kāi)始標(biāo)記有比較長(zhǎng)的公共左因子′＜′N(xiāo)ame(S Attribute)*S？，當(dāng)語(yǔ)法分析器當(dāng)前的輸入符號(hào)為′＜′時(shí)，無(wú)法確定選擇EmptyElemTag還是STag content ETag進(jìn)行推導(dǎo)，這時(shí)解析器就會(huì)報(bào)錯(cuò)，因此首先要將左因子提取出來(lái)。改寫(xiě)元素的產(chǎn)生式為：

element：：=′＜′N(xiāo)ame(S Attribute)*S？ (′/＞′|′＞′content ETag)(1)

這樣語(yǔ)法分析器遇到′＜′時(shí)，就不存在選擇的問(wèn)題，當(dāng)遇到′/＞′或′＞′時(shí)也能確定唯一的子式。但產(chǎn)生式還不是LL(1)的。其原因在于子式(S Attribute)*S？也存在選擇的沖突。因?yàn)镕IRST ((S Attribute)*)∩FOLLOW((S Attribute)*)={S}，當(dāng)語(yǔ)法分析器遇到S符號(hào)時(shí)，不知道應(yīng)將其匹配為(S Attribute)*中的S，還是匹配為后面的S？中的S。因此還需要對(duì)產(chǎn)生式進(jìn)行進(jìn)一步的改寫(xiě)。

先將子式 AttS：：=((S Attribute)*S？)改寫(xiě)為等價(jià)的上下文無(wú)關(guān)文法，然后如圖2所示提取左因子。

上下文無(wú)關(guān)文法用EBNF表示為：

element改寫(xiě)為：

式(2)中，AttS是一個(gè)非終結(jié)符，語(yǔ)法分析的過(guò)程中對(duì)應(yīng)于一個(gè)過(guò)程調(diào)用，并且AttS中存在著遞歸，頻繁的調(diào)用與返回會(huì)使系統(tǒng)的消耗較大。因此本文考慮了更好的處理方法：首先對(duì)式(2)進(jìn)析分析，式(2)中存在選擇沖突的原因在于(S Attribute)*的后面存在著S？，S表示空白空間，而一般的程序語(yǔ)言的語(yǔ)法分析是不處理空白空間的，通常在詞法分析階段就把它忽略。是否可以簡(jiǎn)單地采取忽略空白的做法呢？答案似乎是不可以。因?yàn)楹雎钥瞻讜?huì)導(dǎo)致一些良構(gòu)約束的檢查變得困難。例如屬性間必須有空白，而且有時(shí)XML文檔中的空白是有意義的，應(yīng)用程序可能會(huì)用到這些空白。但是標(biāo)記內(nèi)部的空白是不會(huì)提交給應(yīng)用程序的，為此可以采取靈活的處理方法： 由于 XML 的 EBNF 語(yǔ)法 中′＞′或′/＞′前面 都必有S？ ，因此可以把 S？ 與′＞′或′/＞′合并為一個(gè)單詞。在詞法描述中，定義記號(hào)＜SRANGLE：(＜S＞)？ "＞"＞和＜SCLOSEDTAG：(＜S＞)？ "/＞"＞分別代替＜RANGLE："＞"＞和＜CLOSEDTAG："/＞"＞，這樣就消除了式(1)中的 S？ ，而(SAttribute)*中的S可以保留下來(lái)，使得FIRST((S Attribute)*)∩FOLLOW((S Attribute)*)=φ，得到元素的產(chǎn)生式為式(4)。式(4)每識(shí)別一個(gè)屬性比式(2)少了一次過(guò)程調(diào)用，并且消除了遞歸。

把XML標(biāo)準(zhǔn)的EBNF文法改寫(xiě)，使得JavaCC可以用LL(1)分析法對(duì)其處理。但這種改寫(xiě)有時(shí)需要一些技巧，并且不能保證一定有效，改寫(xiě)后的表達(dá)式通常比較復(fù)雜，也不夠直觀。一種折中的方法是在少數(shù)的一些選擇點(diǎn)向前看2個(gè)符號(hào)。

2.1.3 語(yǔ)義分析

XML中元素間是層次嵌套的關(guān)系，因而可以用樹(shù)來(lái)表示元素間的關(guān)系，如圖3所示。樹(shù)中的節(jié)點(diǎn)表示一個(gè)XML元素，根節(jié)點(diǎn)就是XML。

Schema文檔唯一的根元素(Schema)，各個(gè)節(jié)點(diǎn)的子節(jié)點(diǎn)對(duì)應(yīng)于各個(gè)元素的子元素。元素的屬性作為節(jié)點(diǎn)的屬性。圖4是元素節(jié)點(diǎn)及其屬性的UML類(lèi)圖。

XML解析器采用語(yǔ)法制導(dǎo)的翻譯方法進(jìn)行語(yǔ)義分析，即語(yǔ)義分析在語(yǔ)法分析的過(guò)程中完成。在XML文法產(chǎn)生式的右部中，嵌入相應(yīng)的語(yǔ)義動(dòng)作，如創(chuàng)建節(jié)點(diǎn)、添加子節(jié)點(diǎn)和添加屬性等。在分析的過(guò)程中，執(zhí)行所遇到的語(yǔ)義動(dòng)作。當(dāng)語(yǔ)法分析結(jié)束而沒(méi)有產(chǎn)生任何錯(cuò)誤時(shí)，就可以得到一棵包含Schema文檔元素和屬性信息的樹(shù)。

2.2 模型轉(zhuǎn)換

用本文構(gòu)造的XML解析器分析Schema文檔，得到一棵以元素為節(jié)點(diǎn)的樹(shù)。這棵樹(shù)隱含了所需要的描述約束信息，但它是基于XML語(yǔ)法的，無(wú)法被直接利用，因此必須將其轉(zhuǎn)換為Schema語(yǔ)法的對(duì)象模型。

2.2.1 XML Schema抽象模型

為了能夠生成一個(gè)基于特定Schema的解析器，需要一個(gè)合適的模型來(lái)描述Schema文檔的結(jié)構(gòu)和各種成分。XML Schema標(biāo)準(zhǔn)中定義了一個(gè)抽象模型。

XML Schema抽象模型由13種模式成分構(gòu)成，可分為3組：主模式成分、二級(jí)模式成分、助手模式成分。主模式成分包括簡(jiǎn)單類(lèi)型定義、復(fù)雜類(lèi)型定義、屬性聲明、元素聲明；二級(jí)模式成分包括屬性組定義、本體約束定義、模型組定義、記號(hào)聲明；助手模式成分包括注解、模型組、粒子、通配符、屬性使用。

主模式成分構(gòu)成模式抽象模型的大部分，其中的聲明主要描述了XML實(shí)例文檔的內(nèi)容，而類(lèi)型定義尤其是復(fù)雜類(lèi)型定義則描述了XML實(shí)例文檔的結(jié)構(gòu)信息。對(duì)XML實(shí)例文檔的驗(yàn)證主要是對(duì)XML文檔的內(nèi)容和結(jié)構(gòu)兩方面的驗(yàn)證。

復(fù)雜類(lèi)型定義使用了其他的模式成分來(lái)定義一個(gè)元素的內(nèi)容，這些模式成分包括屬性聲明、屬性組聲明、粒子、模型組等，使用屬性聲明和屬性組定義元素的屬性，是使用一個(gè)粒子類(lèi)型來(lái)定義一個(gè)復(fù)雜的元素內(nèi)容模型。復(fù)雜類(lèi)型可以派生新的復(fù)雜類(lèi)型，派生的方式有擴(kuò)展與約束兩種。

粒子(particle)是描述元素內(nèi)容的一個(gè)術(shù)語(yǔ)，一個(gè)粒子包含兩個(gè)出現(xiàn)次數(shù)約束和一個(gè)項(xiàng)。出現(xiàn)次數(shù)約束包括最大出現(xiàn)次數(shù)和最少出現(xiàn)次數(shù)約束。粒子的項(xiàng)可以是一個(gè)元素或一個(gè)模型組或一個(gè)通配符。

一個(gè)模型組包含了一組粒子，這些粒子的組合關(guān)系是以下三種之一：順序關(guān)系 (sequence)、選擇關(guān)系(choice)、全體關(guān)系(all)。順序關(guān)系的粒子必須以順序的次序出現(xiàn)；選擇關(guān)系則只出現(xiàn)一個(gè)粒子；全體關(guān)系的粒子可以任意的次序出現(xiàn)，每一個(gè)粒子最多只能出現(xiàn)一次，而且其粒子的項(xiàng)只能是元素。模型組與模型組定義緊密聯(lián)系而又有所區(qū)別，模型組定義是具有名字模式成分，相應(yīng)的 XML元素是＜group＞，而模型組相應(yīng)的 XML元素是＜all＞、＜choice＞和＜sequence＞。

XMLSchema只定義了概念上的抽象模型，具體的實(shí)現(xiàn)還需要自己來(lái)完成。本文提供了Schema抽象模型的一個(gè)簡(jiǎn)化實(shí)現(xiàn)。這個(gè)簡(jiǎn)化的實(shí)現(xiàn)暫時(shí)忽略了記號(hào)聲明、本體約束定義、注解和通配符。其他各模式成分也作了相應(yīng)的簡(jiǎn)化。簡(jiǎn)化后實(shí)現(xiàn)包含以下各類(lèi)：

SchemaModel Schema模型類(lèi)：包含各種模式成分，如元素聲明、屬性聲明、類(lèi)型定義、模型組定義等。

XSComponent抽象的模式成分類(lèi)：所有模式成分類(lèi)的父類(lèi)，實(shí)現(xiàn)轉(zhuǎn)換文法接口。

XSElement元素聲明類(lèi)：表示元素聲明模式成分。

XSAttribute屬性聲明類(lèi)：表示屬性聲明和屬性使用模式成分。

XSAttGroup屬性組類(lèi)：表示屬性組定義的模式成分，以及復(fù)雜類(lèi)型定義中所有屬性聲明的集合。

XSType抽象類(lèi)型類(lèi)：作為簡(jiǎn)單類(lèi)型和復(fù)雜類(lèi)型父類(lèi)。

XSComplexType復(fù)雜類(lèi)型定義類(lèi)：表示復(fù)雜類(lèi)型定義模式成分。

XSSimpleType簡(jiǎn)單類(lèi)型定義類(lèi)：表示簡(jiǎn)單類(lèi)型定義模式成分。

XSModelGroup模型組類(lèi)：表示模型組及模型組定義模式成分。

XSParticle粒子類(lèi)：表示粒子模式成分。

2.2.2遍歷轉(zhuǎn)換

XML語(yǔ)法的模型轉(zhuǎn)換為Schema抽象模型通過(guò)遍歷元素節(jié)點(diǎn)樹(shù)來(lái)完成，遍歷使用遞歸的方式進(jìn)行。對(duì)于元素節(jié)點(diǎn)樹(shù)中的每一個(gè)非葉子節(jié)點(diǎn)，遍歷其子節(jié)點(diǎn)，得到相應(yīng)的子模式成分，然后返回本節(jié)點(diǎn)表示的模式成分。

對(duì)XML的元素節(jié)點(diǎn)樹(shù)的遍歷過(guò)程實(shí)際上也是對(duì)Schema文檔有效性驗(yàn)證的過(guò)程。

本文介紹了XML解析的詳細(xì)過(guò)程，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)特定Schema的XML解析器的自動(dòng)生成工具。這個(gè)生成工具以一個(gè)XML Schema文件作為輸入，輸出一個(gè)JavaCC詞法和語(yǔ)法規(guī)格說(shuō)明文件，然后在JavaCC工具的幫助下，生成一個(gè)基于特定XML Schema的XML解析器。這個(gè)解析器能夠?qū)ML文檔進(jìn)行解釋的同時(shí)，驗(yàn)證其有效性。

[1]劉芳，肖鐵軍.XML應(yīng)用的基石：XML解析技術(shù)[J].計(jì)算機(jī)工程與設(shè)計(jì)，26(19)：2823-2839.2005.

[2]CHIU K，LU W.A Compiler-based approach to schemaspecific XML parsing [C].In： The FirstInternational Workshop on High PerformanceXML Processing， New York， USA， May， 2004：17-22.

[3]MATSA M， PERKINS E， HEIFETS A， et al.A highperformance interpretive approach to schema-directed parsing[C].In： WWW ‘07： Proceedings of the 16th international conference on World Wide Web， New York，NY， USA， ACM.2007：1093-1102.

[4]ZHANG W， ENGELEN R V.TDX：a high-performance table-driven XML parser[C].In： ACM-SE 44： Proceedings of the44th annual Southeast regional conference，New York， NY， USA， ACM.2006：726-731.

[5]ZHANG W，ENGELEN R V.A table-driven streaming XML parsing methodology for high-performance Web services[C].In： ICWS ‘06： Proceedings of the IEEE International Conference on Web Services(ICWS’06)，Washington， DC， USA， IEEE Computer Society.2006：197-204.

[6]KOSTOULAS M G，MATSA M，MENDELSOHN N，et al.Xml screamer：an integrated approach to high performance xml parsing， validation and deserialization[C].In： WWW‘06： Proceedings of the 15th international conference on World Wide Web， New York， NY， USA， ACM.2006：93-102.

[7]左偉明.即用即查XML數(shù)據(jù)標(biāo)記語(yǔ)言參考手冊(cè) [M].北京：人民郵電出版社，2007.