摘要:在當前的網路資訊時代,資訊不僅龐大,且來源自不同資料源,資訊整合一直是研究熱點。基於多代理(Multi-Agent)的資源整合方案有所不足,而 XML 整合機制更適合網路環境下的資訊整合。本文提出一套完整方案,包括系統總體框圖、層次結構、工作流程,以及資訊系統主要部分的具體設計。
關鍵詞:XML、資源整合、DTD、XSL、Wrapper、DOM。
隨著電腦技術、特別是 Internet 的發展,實現「資訊孤島」之間的整合與互動成為亟待解決的問題。在多種方案中,基於多代理(Multi-Agent)的資訊整合是其一,被視為建造大型分散式資訊處理系統的重要技術與框架。
在多代理方法中,資源整合的步驟是:使用者把請求交給搜尋代理,代理轉換後經代理路由器送給資料庫代理,資料庫代理執行查詢並回傳結果,搜尋代理再加以識別與記錄。這種方法有個明顯缺陷——必須明確知道資料庫的格式,代理才能正常運作。
而 XML 技術則能很好地解決這個問題。用 XML 整合資料,只需為所有異構資料源加上一個以 XML 為格式的封裝體,在不改變資料源的前提下,用 XML 描述資料源的定義、建立等相關資訊。所有封裝體納入全局的 XML Schema 或 DTD,並存放於 XML 虛擬伺服器,為系統檢索、定位提供服務。透過 XML 封裝體,各節點間可實現資料互換,不需了解對方資料庫格式,恰好彌補了多代理方法的不足。
1. XML 相關標準:狹義的 XML 是一種語言,廣義的 XML 則是一系列標準的集合。圖 1 說明了 XML 及其相關標準:中間一層是 XML 基礎標準,最下層是應用標準。

圖1 XML 相關標準
XML 基礎標準為 XML 的實用化制定規則。其中 XML Schema 描述更嚴格的 XML 文件定義方法;XML Namespace 保證 DTD 中名稱的一致性;DOM 定義一組與平台、語言無關的介面,讓程式與腳本能動態存取、修改 XML 內容;XQuery 提供從 Web 文件抽取資料的彈性查詢機制;XPath 描述如何識別、選取、匹配 XML 各構成元件;XPointer 與 XLink 規範定位與連結;CSS 則作為顯示樣式標準。
2. XML 的主要技術特點
XML 是一種「元標記語言」,強調「以資料為核心」,這兩大特點最為突出,也奠定了它在資訊管理上的優勢。與 HTML 不同,XML 沒有固定標記符號,允許使用者自訂一組適用於應用的 DTD。在普通文件中,往往混合了資料、結構與樣式三要素;而對 XML 而言,資料才是核心。將樣式與內容分離是 XML 的莫大優點:一方面讓應用程式輕鬆提取資料而不迷失於標籤叢中,另一方面同一內容可套用多樣樣式,呈現更豐富。
3. DTD(文件類型定義):DTD 的作用是定義文件中允許與不允許出現的內容,一般由元素類型聲明、屬性表聲明、實體聲明、記號聲明構成。使用者可直接在 XML 中定義 DTD,也可透過 URL 引用外部 DTD,為文件的編寫者與處理者提供共同遵循的準則。
圖 2 是基於 XML 的資訊整合總體框圖:把來自供應鏈節點上不同資料源(資料庫、構件庫、領域知識庫)的資訊,透過包裝器(Wrapper)轉換成 XML 資料,存放於虛擬集中儲存器;使用者透過 DOM/SAX 取得已轉為 XML 的資訊,查詢命令也經包裝器轉換成本地資料源可辨識的格式。

圖2 基於 XML 的資訊整合總體框圖
如圖 3 所示,整個資訊整合分為三層:最底層是資訊抽取層,中間是中介層,最上層是使用介面層。

圖3 基於 XML 的資訊整合層次結構
資訊抽取層:位於系統最低層,是資料提供者,負責提取並整合分布在多個異構資料源上的資訊。此層採用 Wrapper 技術,把從中介層得到的查詢翻譯成可在封裝資料源上執行的操作,並把結果打包成 XML 文件回傳中介層。
中介層(Mediation Layer):一方面接收使用者透過 DOM 客戶端 API 提交的查詢,轉換為對 XML 的查詢並回傳結果;另一方面把 XML 查詢分發給各包裝器,並透過 DTD 說明把結果轉為 XML 格式。
使用介面層:負責把使用者查詢提交給中介層,取得並解釋結果樹,再顯示給使用者。XML DOM 為格式良好的 XML 文件設計了一組 API,定義文件的邏輯結構與存取操作方法。由於顯示與內容分離,資料能依客戶配置、使用者選擇動態呈現,CSS 與 XSL 則提供呈現機制。
以一次資訊查詢為例:使用者透過 DOM 提交查詢命令 → 虛擬集中儲存器區分命令並送到適當的 Wrapper → Wrapper 把 XML 查詢轉成本地資料源語言並執行 → 結果依 DTD 說明轉為 XML 回傳儲存器 → 再由 DOM 結合 XSL 顯示給使用者。
資訊抽取層的 Wrapper 由「Wrapper 生成器」與「Wrapper 實例」兩部分組成。一個 Wrapper 位於中介層與資料源之間,為中介層查詢異構資訊源提供公共介面。每個 Wrapper 需為特定資料源定制介面,這由 Wrapper 生成器完成——它的輸入是以 Wrapper 規範語言撰寫的規格說明(含資料源元資訊、介面、資料模型、查詢映射與查詢能力),通常以 DTD 描述;輸出則是一個可執行的 Wrapper。

圖4 Wrapper 生成器和 Wrapper
以關聯式資料庫為例,關聯 Wrapper 能決定關聯模型與 DOM 物件模型間的映射。關聯表的資料模式可用「表—記錄—欄位」三層表示,因此能輕易用 DTD 描述。以下以兩個關聯表 Trait 與 Treatment 為例,展示其與 XML DTD 的映射:
<!ELEMENT Trait (Name, BirthDate, Address, IdentifyId)> <!ATTLIST Trait PersonID IDREF #REQUIRED> <!ELEMENT Name (#PCDATA)> <!ELEMENT BirthDate (#PCDATA)> <!ELEMENT Address (#PCDATA)> <!ELEMENT IdentifyID (#PCDATA)> <!ELEMENT Treatment (Drugname*, TreatNote, PersonID)> <!ATTLIST Treatment TreatID ID #REQUIRED> <!ELEMENT Drugname (#PCDATA)> <!ELEMENT TreatNote (#PCDATA)>
在 XML 文件與資料庫雙向轉換時,除最上層根節點外,元素節點對應資料庫中的表,屬性與元素型別對應表中的欄位;若某元素節點是另一元素的子節點,則用主碼與外部碼建立關聯。上例中 Trait 與 Treatment 對應兩個表,PersonID、Name 等對應欄位,由於 Treatment 是 Trait 的子節點,因此透過 PersonID 建立關聯。
DOM(Document Object Model)是一個由文件物件組成的模型,最早用於 HTML,後來也用於 XML。它定義了一組標準指令集,讓程式能存取 HTML 或 XML 內容並將其顯示。我們可透過建立 Document 物件取得操作 XML 的入口,再載入實際 XML 文件,將其轉為 DOM 物件模型對外提供服務。以下以 VBScript 結合 XML DOM 產生 XML 資料:
<SCRIPT LANGUAGE=VBScript>
<!--
Sub domxml_OnClick()
Set dom_xml = CreateObject("Microsoft.XMLDOM")
dom_XML.async = False
dom_xml.loadXML "<?XML version='1.0'?>" &_
"<personalinfo>" &_
" <name> " & name1.Value & " </name> " &_
" <id> " & id.Value & " </id> " &_
" <passWord> " & passWord.Value & " </passWord> " &_
" <email> " & email.Value & " </email> " &_
"</personalinfo>"
alert(dom_xml.XML)
End Sub
-->
</SCRIPT>
Web 環境下異構資料源的整合,特別是基於 XML 的資料整合,已成為電腦領域的重要研究方向。XML 具備簡單、開放、可擴充、靈活、自描述等特點。作為資料表示的開放標準,XML 為資料整合帶來新契機。以 XML 作為資料交換中介,系統能屏蔽後台多種資料源,以統一的 XML 格式呈現給使用者;接收方可依 DTD 對資料任意處理。透過本系統,可實現散布在 Web 上的異構資料源間的無縫整合。