73、从 XML 文档逆向工程到扩展 DTD 图

从 XML 文档逆向工程到扩展 DTD 图

1. 引言

可扩展标记语言（XML）凭借其开放性、自描述性和灵活性，已成为持久存储和通过互联网进行数据交换的标准。在处理不同结构的 XML 文档时，若能获取其文档类型定义（DTD）模式，将有助于研究文档内容，但这些模式格式往往难以阅读且不太友好。

XML 是软件应用程序甚至商业伙伴之间存储和传输数据的常见格式。例如，基于关系数据库中的数据生成 XML 文档是常见场景。为了更好地处理这些 XML 文档，可将 XML 元素实例视为独立实体，通过逆向工程确定不同 XML 元素类型之间的关系，构建如带有数据语义的扩展 DTD 图等概念模型，从而让用户更好地理解文档内容，并进行存储和查询等操作。

2. XML 文档的引用完整性

XML 本身支持一种引用完整性机制，即 ID/IDREF(S) 类型的属性链接。在每个 XML 文档中，ID 类型属性的值最多出现一次，IDREF(S) 属性的值必须引用一个 ID 类型属性的值。IDREF(S) 类型属性可以引用同一文档中的任何 XML 元素，每个 XML 元素最多可以定义一个 ID 类型属性。

基于常见 XML 文档结构，可观察到以下几种情况：
- 由于 XML 文档的嵌套结构，子元素隐式引用其父元素。
- 对于 IDREF 或 IDREFS 类型属性，定义元素通过引用值引用具有 ID 类型属性的元素，这种链接类似于关系数据库中的外键，属于显式链接。
- 由于 IDREFS 类型属性可以引用多个元素，因此存在从引用元素类型到被引用元素类型的一对多基数关系。

XML 文档的模式可以限制 XML 元素的顺序，这可能