一些近期的 RDBMS（至少包括 DB2、Oracle，可能还有其它一些 RDBMS）都附带了用于导出 XML 的内置（或者至少可选的）工具。不过，在本专栏中讨论的工具都具有普遍性；特别是，由这些工具生成的 DTD 对于对不同 RDBMS 执行的相同查询都是完全相同的。我希望这对实现数据透明性的目标会有所帮助。

过于简化
对于将关系数据库数据转换成 XML，您能想像到的最明显的方式通常也不是什么好的想法。即，它简单到 -- 无论从概念上还是从实践上 -- 将 RDBMS 的所有内容逐个表地转储到相应的 XML 文档中。例如，LIBRARY 数据库（继续上一专栏中那个简单示例）有一个称作 BOOKPRICE 的表，其内容如下：

SELECT * FROM BOOKPRICE;
+------------+-------+
| ISBN | Price |
+------------+-------+
| 2994927282 | 34.99 |
| 3920202049 | 47.50 |
+------------+-------+

我可以直接将它转换成如下文档 BOOKPRICE.xml：

清单 1. BOOKPRICE.xml 文档

<?xml version="1.0"?>
<SQL>
 <row>
 <ISBN>2994927282</ISBN>
 <Price>34.99</Price>
 </row>
 <row>
 <ISBN>3920202049</ISBN>
 <Price>47.50</Price>
 </row>
</SQL>

为数据库中的每个表创建了类似的 XML 文档后，您就拥有了整个数据库的快照。

适当简化
上面勾画的方法有两个基本问题。第一个问题是 XML 转储的效率非常低。您已经知道，XML 是一种非常冗长的格式，大型数据库的 XML 转储会生成更大的 XML 文档集合。而且，一些主要 DBMS 已经提供了简洁而有效的文本文件或压缩记录样式的转储。上面所勾画的 XML 对这些简单格式不但没有提供任何额外功能，反而显著地增加了传送文件的大小。

第二个问题比第一个更有趣。在某种意义上，“DASD 很廉价”，带宽也变得越来越廉价（"DASD" 是 IBM 对“硬盘”的旧称；这个措词在设计上很陈腐）。因此单单效率不一定就是最重要的因素。更为重要的是，您几乎不会想要将数据库的全部内容与伙伴/部门/用户等进行交流。有时候，一些内容是专用的；而几乎任何时候，大多数内容与特定用户并没有任何关系。

将有用的 SQL 查询结果转储到 XML 中比将原始表转储到 XML 更有意义。而为了将 XML 事务或馈送所需的确切语法分析和处理的预期规律化，将 DTD 与这些有用的查询进行关联仍然会比较好。这两种有趣的操作恰好是公众域 Python 实用程序 sql2dtd 和 sql2xml 能够实现的。

假设 A 和 B 各自有其自身的内部数据存储器策略（例如，在不同的 RDBMS 中）。各自维护所有种类的相关信息，这些信息与 A 和 B 之间的交互没有关系，但它们又都具有一些希望共享的信息。假设，遵循这样的路线，A 需要与 B 循环地就特定种类的数据集进行通信。A 和 B 可以做的一件事是同意 A 将定期向 B 发送一组 XML 文档，每个文档都符合事先一致认可的 DTD。一个传输中的特定数据将随时间而有所不同，但有效性规则已事先指定。只要 A 和 B 知道它们之间的协议，就可以执行它们的编程。

生成 DTD
开发 A 和 B 之间的这种通信的一个方法是开发与 A 和 B 特定需要相匹配的 DTD（或模式）。然后，A 需要开发定制代码来将数据从 A 的当前 RDBMS 导出到符合一致的 DTD 中；B 需要开发定制代码来导入相同的数据（到结构不同的数据库中）。最后，通信通道被打开。

不过通常存在一种更快速的方法 -- 往往利用现有导出／导入过程的一种方法。“标准查询语言 (SQL)”是一种能够确切表达 RDBMS 数据库中您所感兴趣的数据的极其简洁的方法。尝试将例如 XPath 或 XSLT 这样的 XML 原始技术合并到关系模型上可能不太自然，尽管它们必定可以在 XML 的基本分层模型中表达查询功能。

许多组织已经开发出为实现已知任务的、经过了彻底测试的几组 SQL 语句。事实上，RDBMS 往往提供了用于优化已存储查询的方法。虽然肯定有一些为数据交换而设计的丰富的 DTD 比较有意义的情况，但在许多或者大多数情况下，在 SQL 查询中隐式地使用结构信息作为 SQL 数据传输的（自动）基础是种很好的解决方案。

虽然 SQL 查询可以以复杂的方法来组合表数据，但所有 SQL 查询的结果都是相当简单的“行与列”的排列。在查询输出中，列的数量是固定的，每行填入了每个固定列的值。（即，除了数量上没有改变以外，无论是值的类型还是列名在 SQL 结果中均无改变 -- 即使它们可能在 XML 文档中有所改变）。XML 表示元素复杂嵌套模式的潜力在表示 SQL 结果中并没有得到深层的体现。虽然如此，SQL 查询的一些重要方面可以而且也应该在简单的行／列位置以外以 XML DTD 表示。

要表示 SQL 查询中的哪些内容？
我认为在 A 和 B 之间预期的数据交换中，应该区分出两方面。一方面，是 A 数据的内部组织 -- 例如，其标准化和取消标准化优化。B 没有，也不需要考虑 A 的内在方面。另一方面，存在描述实际发送内容的元数据。当然，区分这些方面不一定很容易。

在编写 sql2dtd（和帮助规划 Scott Hathaway 的 sql2xml）时，我做了一些决定，确定了哪些属于数据传输的部分，哪些位于发送方设置的内部（不需要以 DTD 表示）。清单 2 所显示的样本 XML（带有作为内部集的 DTD）输出有助于说明这些决定（该输出完全从作为属性包含的 SQL 查询生成；当然，是在对合适的数据库运行时）：

清单 2. 带有作为内部集的 DTD 的样本 XML 输出

<?xml version="1.0"?>
<!DOCTYPE SQL [
<!ELEMENT SQL (row)*>
<!ATTLIST SQL
 GROUP_BY NMTOKEN #FIXED "AuthID"
 query CDATA #FIXED "SELECT AuthID AS SSN,COUNT(GroupID)
 FROM AUTHGROUP GROUP BY AuthID
 ORDER BY AuthID"
>
<!ELEMENT row (SSN, column2)>
<!ATTLIST row num ID #IMPLIED>
<!ELEMENT SSN (#PCDATA)>
<!ELEMENT column2 (#PCDATA)>
<!ATTLIST column2 CALC CDATA #FIXED "COUNT(GroupID)">
]>

<SQL>
 <row num="1">
 <SSN>111-22-3333</SSN>
 <column2>1</column2>
 </row>
 <row num="2">
 <SSN>333-22-4444</SSN>
 <column2>2</column2>
 </row>
 <row num="3">
 <SSN>666-44-5555</SSN>
 <column2>1</column2>
 </row>
</SQL>

这个简单的 XML 文档实际上可以包含比人们最初时所注意到的更多的元数据。当然，通过将 SQL 本身作为根节点的一个属性包含在内，人们可以重新构造 SQL 中固有的任何事物。但这样做需要对 SQL 重新进行语法分析，sql2dtd 已在文档中表示过它，因此通常这没有必要。

CALC 属性的规范包含这样一个事实，即 XML 包含了计算过的元素。因为计算过的表达式可能很长，并且可能包含对于 XML 标记来说非法的字符，所以计算过的列仅由它们的位置命名。不过，加入元素内容的特定计算是作为标记的一个属性包含在内的。为了避免在 XML 主体中重复属性，它在 DTD 中指定为 #FIXED。

如果使用计算过的列，计算往往反映使用 "GROUP BY" 修饰符对列所进行的分组。所有这样的分组都在根元素的 GROUP_BY 属性中列出。

而且，如果使用了 "ORDER BY" 子句，每个 <row> 标记就会带有指定输出数据序列的 num 属性。不过，如果结果集是无序的，则不使用 num 属性。

让我们考虑一下在 DTD 中有什么东西没有表示，就会发现它实际上确实属于 A 的内部数据表示，而不属于发送的消息。

除了嵌入的原始 SQL 查询以外，没有保留用于查询数据的一个或多个表的表示（"FROM" 子句）。特殊的表组织只不过不是 B 需要感兴趣的一些事物。事实上，A 可以在有适当传输协议之后彻底地修改其数据库设计；但只要通过一些手段抽取相同的字段（列），B 就不需要担心这一点。尤其是，因为 "AS" 子句覆盖了实际的表的列名，所以有可能继续发送在 A 数据库中不再拥有任何直接文字意义的 XML 元素。

在 sql2dtd 设计中最重要的一点是忽略了 "WHERE" 和 "HAVING" 子句（以及 JOIN、DISTINCT 和 ALL 修饰符）。和表名一样，将数据从 A 的那些表中取出所必需的特定联接和过滤器不是 B 应该担心的问题。如果 A 碰巧需要将一些表联接在一起以获得一些数据，那只是 A 的一个标准化策略。B 可以使用也可以不使用任何类似的策略（对于不同的数据子集），两种方法都不用担心 A 的操作。出于相关但稍微不同的理由忽略过滤器（主要使用 "WHERE" 子句或 "DISTINCT" 修饰符）。不管出于何种商业原因，如果 A 只需要告之 B 那些其 whatzit 大于 25 的 woozles，从 B 的角度来说，它只是属于 woozles 的性质。即，A 可能对 B 不关心的 woozles 的一个子类感兴趣；但是 A 需要通过使用过滤器来获得感兴趣的内容（与不拥有它们，或将它们放在另一个表中相反）这一特定事实并不是 B 需要担心的。从这一方面来说，sub-select 只是另一种过滤器。

结束
我还没有介绍 sql2dtd 和 sql2xml 的任何特定用法。这里不需要做太多解释，因为它们自己已在内部详细说明了。一般情况下， sql2dtd 可以从 SQL 查询生成 DTD，但它本身并不查询任何数据库。sql2xml 通过 ODBC 执行查询，并可以利用 sql2dtd 来获得 DTD（它也可以生成 DTD 较少的 XML文档）。

这些工具只对 A 和 B 之间预期大约一半过程有所帮助。A 和 B 可以快速地使用这些工具达到 DTD，A 可以同样快速地生成符合这些 DTD 的输出 XML 文档。但 B 最终仍需要执行语法分析、存储和处理这些接收到的文档所涉及的所有工作。以后的专栏将更详细地讨论 B 的任务。

简单的DTD例子描述和分析


　下面举一个带有内部DTD的XML文档的例子： 

　　＜?xml version="1.0" encoding="GB2312" ?＞ 
　　＜!DOCTYPE 家庭 [ 
　　　＜!ELEMENT 家庭 (人+,家电*)＞ 
　　　＜!ELEMENT人 EMPTY＞ 
　　　＜!ELEMENT 家电 EMPTY＞ 
　　　＜!ATTLIST 人 
　　　　名字 CDATA #REQUIRED 
　　　　性别 (男|女) #REQUIRED 
　　　　年龄 CDATA #REQUIRED 
　　　　爱好 CDATA #IMPLIED 
　　　＞ 
　　　＜!ATTLIST 家电 
　　　　　名称 CDATA #REQUIRED 
　　　　　数量 CDATA #REQUIRED 
　　　　　说明 CDATA #IMPLIED 
　　　　＞ 
　　]＞  
　　<家庭> 
　　<人> 
　　<名字>郭大路 
　　<性别>男 
　　<年龄>25 
　　 
　　<人> 
　　<名字>李寻欢 
　　<性别>男 
　　<年龄>38 
　　<爱好>作个教育家和伟人 
　　 
　　<家电> 
　　<名称>彩电 
　　<数量>3 
　　 
　　 

　　这个文档从第二行开始进行文档类型声明，包含了文档元素（家庭）的名称。根据定义，我们发现该元素可以包含一个或者多个人（由这个+号决定的），可以包含零个或多个家电（由这个*符号决定），然后定义了人这个元素的需要的属性，其中名字、性别和年龄是必须的，而爱好可以填有也可以不填。家电的名字和数量属性必须有，但说明可以写也可以不写。 

　　如果采用外部DTD的话，就需要有两个文档，第一个文档就是关于DTD的文档，第二个文档就是遵守DTD格式的内容文档。实际上我们可以建立无穷多个遵守该DTD格式的文档。举一个例子来说，我们在构造关系数据库中的表的时候，我们需要定义好表的结构（也就是表包含的字段集合），然后我们就可以往这个表中放入记录，记录的个数从理论上讲可以是无穷多个的。这里关于表的结构就类似于DTD文档。记录类似于遵守DTD格式的内容文档。外部DTD的好处是：它可以方便高效地被多个XML文件所共享。你只要写一个DTD文件，就可以被多个XML文件所引用。事实上，当许多组织需要统一它们的数据交换格式时，它们就是通过外部DTD来完成的。这样做不仅简化了输入工作，还保证当你需要对DTD做出改动时，不用一一去改每个引用了它的XML文件，只要改一个公用的DTD文件就足够了。不过需要注意，如果DTD的改动不是"向后兼容"的，这时原先根据该DTD编写的那些XML文件可能就会出问题了。 

　　现在我们就尝试建立一个DTD文档，不妨命名为Home.dtd。其代码如下： 

　　＜?xml version="1.0" encoding="GB2312" ?＞ 
　　＜!ELEMENT 家庭 (人+,家电*)＞ 
　　＜!ELEMENT人 EMPTY＞ 
　　＜!ELEMENT 家电 EMPTY＞ 
　　＜!ATTLIST 人 
　　　　名字 CDATA #REQUIRED 
　　　　性别 (男|女) #REQUIRED 
　　　　年龄 CDATA #REQUIRED 
　　　　爱好 CDATA #IMPLIED 
　　　＞ 
　　＜!ATTLIST 家电 
　　　名称 CDATA #REQUIRED 
　　　数量 CDATA #REQUIRED 
　　　说明 CDATA #IMPLIED 
　　＞ 

　　然后，我们可以建立一个遵守该DTD格式的内容文档，不妨设为HomeInstance.xml。其代码如下： 

　　＜?xml version="1.0" encoding="GB2312" ?＞ 
　　＜!DOCTYPE 家庭 SYSTEM "Home.dtd"＞ 
　　<家庭> 
　　<人> 
　　<名字>郭大路 
　　<性别>男 
　　<年龄>25 
　　 
　　<人> 
　　<名字>李寻欢 
　　<性别>男 
　　<年龄>38 
　　<爱好>作个教育家和伟人 
　　 
　　<家电> 
　　<名称>彩电 
　　<数量>3 
　　 
　　 

　　把这两个文档放到同一个目录下，然后可以用XML浏览器对HomeInstance.xml进行浏览，结果应该和使用内部DTD的结果一样。 

　　众所周知，在设计MIS应用程序的时候，重要的是要进行E-R图设计，然后建立关系数据库，建立数据库的关键就是要定义好表的格式，并使它的范式尽可能的高。对应的，建立基于XML应用的关键就是要定义好DTD，然后所有的内容就按照DTD格式进行编写。DTD实际上表现了一个层次的关系，你也可以把它理解成一棵树的结构。树中的节点实际上就是一个个元素（ELEMENT），一个元素可以包含其他的元素。比如上面的例子中家庭这个元素包含了人和家电这两个元素。一个元素可以包含属性（ATTLIST）也可以没有任何属性。比如上面的例子中，家庭这个元素就没有任何属性，而人和家电都有自己的属性。 

　　际上如果大家学过编译系统的话，都知道对编程语言进行语法定义的工具：巴科斯-诺尔范式。它是用来对语言的语法进行定义的工具。实际上DTD就是起到了类似的作用。