運用XML實現(xiàn)異構(gòu)數(shù)據(jù)庫的數(shù)據(jù)轉(zhuǎn)換

牛世章

摘要：數(shù)據(jù)源是數(shù)據(jù)挖掘應(yīng)用的關(guān)鍵，目前數(shù)據(jù)庫技術(shù)的不斷發(fā)展使得在建立數(shù)據(jù)源時必須面對異構(gòu)數(shù)據(jù)庫問題。該文主要對如何在異構(gòu)數(shù)據(jù)庫中建立數(shù)據(jù)源進(jìn)行研究，并利用XML技術(shù)在異構(gòu)數(shù)據(jù)庫中建立數(shù)據(jù)源模型，且提出了提出了數(shù)據(jù)轉(zhuǎn)換和預(yù)處理技術(shù)，利用這兩個技術(shù)解決在數(shù)據(jù)庫中異構(gòu)數(shù)據(jù)如何建立數(shù)據(jù)源的問題。

關(guān)鍵詞：異構(gòu)數(shù)據(jù)庫；數(shù)據(jù)轉(zhuǎn)換；XML

中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2013）08-1733-03

1 異構(gòu)數(shù)據(jù)庫

現(xiàn)如今，大多數(shù)的工作行業(yè)和領(lǐng)域都采取了利用計算機(jī)來進(jìn)行信息的存儲、處理、通信等，在處理數(shù)據(jù)的過程中計算機(jī)可以起到一個很關(guān)鍵的作用，一般利用計算機(jī)來管理、處理數(shù)據(jù)時都必須利用數(shù)據(jù)庫來實現(xiàn)。在單獨的企業(yè)事業(yè)單位內(nèi)部也經(jīng)常是使用數(shù)據(jù)庫管理系統(tǒng)來實現(xiàn)管理目的的，利用這種方式的主要原因有：一，單位內(nèi)部人事的變動和時間的不斷推移；二，現(xiàn)代科技不斷發(fā)展，數(shù)據(jù)庫也在不斷更新發(fā)展，所以數(shù)據(jù)庫經(jīng)常發(fā)生變化；三，企業(yè)事業(yè)單位內(nèi)部各個部門和科室沒有統(tǒng)一的施行數(shù)據(jù)管理系統(tǒng)；四，經(jīng)濟(jì)和人為因素。這些差異構(gòu)成了企業(yè)的異構(gòu)數(shù)據(jù)源，即形成了異構(gòu)數(shù)據(jù)庫，它包括企業(yè)采用計算機(jī)進(jìn)行數(shù)據(jù)存儲與管理過程中的簡單位文件數(shù)據(jù)庫和復(fù)雜的網(wǎng)絡(luò)數(shù)據(jù)庫。

2 異構(gòu)數(shù)據(jù)庫的異構(gòu)性

異構(gòu)數(shù)據(jù)庫能夠?qū)崿F(xiàn)數(shù)據(jù)共享，存在于異構(gòu)數(shù)據(jù)庫中的每一個數(shù)據(jù)庫本身就是實際存在的，所以其數(shù)據(jù)庫本身及其各不部分就具有相應(yīng)的自治性。存在于異構(gòu)數(shù)據(jù)庫中的每一個數(shù)據(jù)庫還是具備自己本身的完整性、安全性、應(yīng)用性等。異構(gòu)數(shù)據(jù)庫的主要表現(xiàn)有三個方面：DBMS本身的異構(gòu)、計算機(jī)系統(tǒng)的結(jié)構(gòu)異構(gòu)、計算機(jī)基礎(chǔ)操作系統(tǒng)的異構(gòu)。

3 異構(gòu)數(shù)據(jù)庫的數(shù)據(jù)轉(zhuǎn)換目標(biāo)

異構(gòu)數(shù)據(jù)庫的數(shù)據(jù)轉(zhuǎn)換目標(biāo)就是指將再現(xiàn)數(shù)據(jù)庫中的信息轉(zhuǎn)換到目標(biāo)數(shù)據(jù)庫里，其所要轉(zhuǎn)移的再現(xiàn)數(shù)據(jù)庫中的信息主要是指信息的內(nèi)容和結(jié)構(gòu)。信息的內(nèi)容是構(gòu)成信息的基本單位，其主要包括兩個方面：信息對象的屬性、信息關(guān)系表結(jié)構(gòu)中的字段；信息的結(jié)構(gòu)是指信息的構(gòu)成，完整的信息都必須具有信息的內(nèi)容和結(jié)構(gòu)。在進(jìn)行再現(xiàn)數(shù)據(jù)庫到目標(biāo)數(shù)據(jù)庫的信息轉(zhuǎn)換時，只有將信息的內(nèi)容和結(jié)構(gòu)全部完整的進(jìn)行轉(zhuǎn)換才是真正的實現(xiàn)了轉(zhuǎn)換的目的。如果要實現(xiàn)信息轉(zhuǎn)移過程中信息的“高保真”性，必須在轉(zhuǎn)移過程中將信息內(nèi)容的數(shù)據(jù)類型和當(dāng)前值一并轉(zhuǎn)移，只有這樣才能保證轉(zhuǎn)移數(shù)據(jù)的完整性和安全性。

4 異構(gòu)數(shù)據(jù)庫的數(shù)據(jù)轉(zhuǎn)換

隨著計算機(jī)技術(shù)的不斷發(fā)展，數(shù)據(jù)庫產(chǎn)品也隨之日新月異，然而不同的廠家提供的數(shù)據(jù)庫產(chǎn)品具有不同的異構(gòu)性，這就導(dǎo)致了實際中使用的不方便。要想解決這種不便性就必須不斷的開發(fā)新產(chǎn)品和創(chuàng)造新的方法，解決不同產(chǎn)品之間的兼容問題。

異構(gòu)數(shù)據(jù)的轉(zhuǎn)換主要包括兩種類型：1）異構(gòu)數(shù)據(jù)庫之間的數(shù)據(jù)的轉(zhuǎn)換；2）異構(gòu)數(shù)據(jù)庫之間的結(jié)構(gòu)的轉(zhuǎn)換。異構(gòu)數(shù)據(jù)庫之間的數(shù)據(jù)轉(zhuǎn)換是指在保證數(shù)據(jù)庫的結(jié)構(gòu)不發(fā)生改變的前提之下，實現(xiàn)一個數(shù)據(jù)庫中的數(shù)據(jù)向另一個不同的數(shù)據(jù)庫轉(zhuǎn)換的功能。目前的數(shù)據(jù)庫開發(fā)平臺只是實現(xiàn)對數(shù)據(jù)庫中所有數(shù)據(jù)的轉(zhuǎn)換，而不是根據(jù)相應(yīng)的條件進(jìn)行數(shù)據(jù)的篩選轉(zhuǎn)換。

5 XML

XML可擴(kuò)展標(biāo)記語言（Extensible Markup Language），同時也是標(biāo)準(zhǔn)的通用標(biāo)記語言（Standard Generic Markup Language，SGML）的一個部分。在各種不同的數(shù)據(jù)交換領(lǐng)域中，經(jīng)常將XML作為元語言標(biāo)準(zhǔn)進(jìn)行數(shù)據(jù)格式描述。異構(gòu)數(shù)據(jù)庫系統(tǒng)中，系統(tǒng)間的數(shù)據(jù)交換大多基于XML的數(shù)據(jù)格式，將內(nèi)部的數(shù)據(jù)轉(zhuǎn)換成行業(yè)標(biāo)準(zhǔn)。

XML是能夠進(jìn)行自解釋的語言，不需要預(yù)先定義XML的標(biāo)志，標(biāo)志由使用者根據(jù)需要自定義。XML顯示這些數(shù)據(jù)通過使用DTD實現(xiàn)，文檔如何顯示的機(jī)制使用XSL來描述，XSL是XML的樣式表述語言。XSL的使用時間要早于CSS。XSL主要包括兩個方面：一，XML文檔的轉(zhuǎn)換方法；二， XML文檔的格式化方法[3]。

6 XML的主要特點

XML屬于一種標(biāo)記性的語言，具有如下的幾個特點：

1） 具有較強(qiáng)的描述數(shù)據(jù)的能力，可以將復(fù)雜的數(shù)據(jù)簡便化的描述出來。

2） 具有自我擴(kuò)展的能力，可以將數(shù)據(jù)的約束進(jìn)行最小化處理。

3） 具有數(shù)據(jù)自我描述的功能，利用其他文檔中的標(biāo)簽來推測應(yīng)用系統(tǒng)中轉(zhuǎn)換的XML的含義。

4） 具有數(shù)據(jù)與表達(dá)相分離的功能，可以采用多種處理方式處理XML數(shù)據(jù)。處理數(shù)據(jù)時不同于Word、Excel，數(shù)據(jù)的表達(dá)不受制約。行業(yè)領(lǐng)域內(nèi)都遵循早已制定好的共同遵循的標(biāo)記詞匯集，一些特定的行業(yè)也有屬于本行業(yè)的特殊標(biāo)記語言。

5） 具有數(shù)據(jù)結(jié)構(gòu)化的功能，可以準(zhǔn)確的尋找到所需的信息以及自我描述附加信息，靈活的處理XML文檔，然后利用XML的文檔結(jié)構(gòu)來操作。XML的文檔結(jié)構(gòu)相對應(yīng)于實際的業(yè)務(wù)對象，特定行業(yè)應(yīng)用系統(tǒng)的業(yè)務(wù)對象同樣也能便捷的實現(xiàn)XML的轉(zhuǎn)換。

6） 具有應(yīng)用上的健壯性和提供平臺的無關(guān)聯(lián)性。XML文檔都是經(jīng)過仔細(xì)的檢測，排除了垃圾信息的干擾，加強(qiáng)了應(yīng)用上的健壯性。并且XML和提供此產(chǎn)品的企業(yè)平臺毫無關(guān)聯(lián)，其表達(dá)的數(shù)據(jù)可以再任意的軟件或者硬件中進(jìn)行使用，具有很強(qiáng)的通用性。

7 運用XML實現(xiàn)異構(gòu)數(shù)據(jù)庫的數(shù)據(jù)轉(zhuǎn)換

1）建立數(shù)據(jù)類型映射表，將不同類型的數(shù)據(jù)庫和XML的數(shù)據(jù)類型進(jìn)行映射。

2）導(dǎo)出數(shù)據(jù)之后，先讀出被導(dǎo)出的各個字段的名字和數(shù)據(jù)的類型。

3）根據(jù)映射表來建立XML Schema模型。

4）利用XML Schema來確定保存中間數(shù)據(jù)的XML的數(shù)據(jù)類型和文件的結(jié)構(gòu)。

8 數(shù)據(jù)預(yù)處理技術(shù)

10 結(jié)束語

XML作為一種可擴(kuò)展的標(biāo)記性語言，具有開放性和自述性等特征，在數(shù)據(jù)結(jié)構(gòu)沒有進(jìn)行預(yù)先定義的前提下可以進(jìn)行不同應(yīng)用系統(tǒng)的數(shù)據(jù)轉(zhuǎn)換。XML主要優(yōu)勢是描述數(shù)據(jù)和傳送數(shù)據(jù)的能力。利用XML可以很方便的實現(xiàn)數(shù)據(jù)轉(zhuǎn)換的目的，并且同時為挖掘數(shù)據(jù)時建立數(shù)據(jù)源的問題提出了新型的方法。

參考文獻(xiàn)：

[1] 鄔偉峰，朱建.基于Lotus Domino/Notes的網(wǎng)上辦公系統(tǒng)開發(fā)技術(shù)[J].中國金融電腦，2002.

[2] 范春梅.XML基礎(chǔ)教程[M].人民郵電出版社，2009.

[3] 孟小峰.XML數(shù)據(jù)管理概念與技術(shù)[M].清華大學(xué)出版社，2010.

[4] 萬常選，劉喜平.XML數(shù)據(jù)庫技術(shù)[M].2008.

[5] 段曉娟.XSLT的研究與應(yīng)用[J].長沙大學(xué)，2003.