《分布式计算环境教程》授课教案讲义Ch54对象Web的文档组织.doc

5.4对象Web的文档组织 Web上的文档组织： =服务器端文档存储方式 =＞客户端页面浏览方式 =＞传输方式 HTML在数据组织和表达能力上的缺点： =＞专为描述主页的表现形式而设计，不能适应日益增多的信息检索要求和存档要求。 n不支持结构化数据：不支持对信息语义及其内部结构的描述， n 不支持合法检查：HTML不允许应用程序检查输入数据的结构合法性。 n对形式的描述能力不够:无法描述矢量图形、科技符号和一些其它的特殊显示效果。 a 缺乏可扩展性：HTML不允许用户定义私有的标记字或属性，这就无法把数据参 数化，也无法从语义上进行数据检查； n 标记日益臃肿，文件结构混乱而缺乏条理，导致浏览器的设计越来越复杂。 对象Web对文档组织的新要求： =＞扩展能力，可以定义需要的新标记。 n结构的表达能力，以表示任意复杂程度的数据。 =＞校验，可以检查数据的结构正确性。 n 媒体无关性，可以用多种格式发布内容。 =＞厂商和平台中立，以用标准的商业软件甚至简单的文本工具处理任何满足标准的文 档。 =＞安全性 5.4.1 X ML基本技术 可扩展标记语言 XML (Extensible Markup Language)： =＞由万维网联合组织(W3C : World Wide Web Consortium)制定的必威体育精装版页面描述语 言标准。 =＞用来对信息进行自我描述。 n 关注于怎样描述数据内容的组织和结构，以便数据在网络上进行交流和处理。 XML最重要的特征：被标记的各个数据是保持其含义的，因此系统间交换数据的可能性极 大提高。 XML最基本的概念：结构化标记数据，是实现了 “文档结构化”的语言规范。 XML起源：标准通用标记语言SGML (Standard Generalized Mark叩Language)的子集。 SGML：是用于定义怎样描述不同种类的电子文档的数据的结构和内容的一种语言标准。 SGML是一种定义标记语言的元语言。 例如 巴克斯范式(BNF)是用于定义程序设计语言的。 1. XML的结构化文档技术 HTML 110￡联想电脑 /TITLE BODY UL 联想 vU台式机 U奔月 2000P3 LI450MHz U64MB LI8.4GB U9999 元 AJL /BODY /HTML 图1 HTML格式文档 ?XML VERSIONSl.(T !DO€TYPE联想电脑奔月2000P3* 计算机类型』个人电脑*〉 制造厂商〉联想/制造厂商〉 识别符〉 品种〉台式机/品种〉 型号〉奔月2000P3/型号〉 /蜩符〉 v 钟频 UNrT』MHz”450/钟頻〉 V 内存 UNrr=*MB*64/ 内存〉 硬盘 UNIT=GB4/? 盘〉 单价UNIK元9999/单价〉 /计算机〉 图2 XML格式文档 (1)用标记表达文档结构 XML标记： a 正确地表达XML文档所具有的“结构”； n正确地传达按文档所标记的数据的“含义”。 (2) XML文档数据采用“树结构”方式表达。 例：图2中XML文档的树结构形式 型 造商 识别符卜 型 造商 识别符 卜 品种— 1—型号一 中频 1——单位一 内 1—单位—— 个人机 联想 ?台式机 2000P3 450 MHz 单位 单价 1~单位 MB 84 GB 0999 2.用DTD定义标记的含义 只具有树结构的XML文档，对应用系统的处理要求还是不够。XML虽有任意标记的文档, 但对其确切的解释仍不明确。在文档的发送和接收之间使用有关标记来沱义确切的含义，这 种工作称为定义文档类型。 文档类型说明(DTD： Document Type Definition)：对一种数据文件中数据的组织存放结构的 说明。 n严格定义了某项数据应该在哪出现， n 规定了各种数据项之I可的关系。 通过建立各种不同的文档类型定义，我们就拥有了不同格式的数据文件。XML规范定义了 如何创建一个DTD,不同格式的数据文件的DTD都是按照一定的标准给出的。这样即使遇 到一种未知格式但带有DTD的数据文件，也可以通过分析它的DTD来知道数据在文件中 的组织结构，进而提取数据。 XML XML ?XML ENCODNG』GB23]2\ ?ELEMENT计算机(制造商、识别符、钟頻、内存、硬盘.价格)〉 ! ATIUST 计算机类型 #REQUIRED ! ELEMENT 制造商(#PC DATA) ! ELEMENT识别符(品名 型号) TOC \o 1-5 \h \z ! ELEMENT 品名(#PC DATA) ! ELEMENT 型号(#PC DATA) ! ELEMENT 钟频(#PC DATA) ■ ■ 其中“计算机”、“制造厂商”等使用图2中XML文档的标记來定义。 第2行为