第23卷第1期
2007年 3月
上 海 电 力 学 院 学 报
Journal of Shanghai University of Electric Power
Vo1．23，No．1
Mar． 2oo7
文章编号：1006—4729(2007)O1—0041—04
电子政务数据集成系统中数据模式的研究冰
邓莎莎 ，杜明干
(1．上海电力学院 计算机与信息工程学院，上海 200090；
2．柏克德(中国)工程有限公司，上海 200050)
摘 要 ：分析了数据模式提取的基本原则和电子政务集成系统对数据模式的管理．研究了结构化、半结构化
以及网页数据的 XML数据模型，该模型适合异构数据之间转换．
关键词 ：数据模型；电子政务；数据集成系统
中图分类号：N37；TF274’．2 文献标识码：A
Research on Data M odel of Data Integration System
in E．Government
DENG Sha—sha ，DU Ming—gan
(1．School ofComputer and Information Engineering，Shanghai University ofElectric Power，
Shanghai 200090，China；2．Bechtel(China)Engineering &Construction Co．Ltd．，Shangha／ 200050，China)
Abstract： Basic principles of extracting data model and management of data mod el for integration
system in E—Government are presented．Study on XML data mod el of structured an d half-structured
and W eb data shows that this model is fit for transition of heterogeneous data．
Key words： data mod el；E—government；data integration system
随着全球政治经济一体化的日益明显，以电
子政务为代表的政府管理服务职能的无纸化、自
动化 已在许多国家尤其是发达 国家 中迅速发
展 ¨．然而，众多电子政务系统的涌现很容易造
成局面的混乱，给使用电子政务的公众带来极大
的麻烦．因此迫切需要一个能有效地将各种电子
政务资源整合到一起的平台．
但是，目前我国还没有一个关于电子政务数
据集成平台．这是因为这些数据往往是跨行政边
界的，数据结构多种多样，隶属关系纷繁复杂，要
协调建立一个数据集成平台将会遇到各种各样的
困难 ¨ ．如何建立一个共享共用的数据集成平
台是目前需要迫切研究的课题．
一 个数据集成 系统 的基本单位是数据模
式 J，它通常表现为本地数据源的一个简单查
询、单个实体的数据结构或多个紧密关联的实体
集．数据模式是源节点数据之间数据交互与共享
的基础，是源节点数据对集成系统提供的共享数
据接口．
1 数据模式的提取
数据模式的选取应根据节点数据库共享数据
的需求而定．数据模型为某一个数据源的数据视
图 J．就结构化数据而言，数据视图可以是一个
查询、某一个实体的描述或者某一个实体间关系
的描述等．这些数据视图可以直接描述为数据模
收稿 日期：2006—06—08
基金项目：上海高校选拔培养优秀青年教师科研专项基金(Z-2006-06)．
维普资讯
42 上 海 电 力 学 院 学 报
式．半结构化数据和 Web数据则相对复杂一些，
它是通过与用户交互产生一组正则表达式以完成
数据模式的抽取．
2 数据模式的管理
每个源节点要向数据集成系统提供数据访问
时，必须先将自己的数据模式发布出来，数据集成
系统的其他节点才能根据发布的数据模式访问该
节点的数据．
某一个源节点在发布和共享自己的数据模式
的同时，还要针对该数据模式为数据集成系统提
供数据访问接口．因此，发布出去的数据模式与该
节点的数据访问接口是绑定的．
为了便于对数据模式和数据访问接口的统一
管理，数据集成系统采用注册服务中心的方式管
理已经发布共享的数据模式和数据访问接口．注
册中心存储了各个节点所发布的共享数据模式，
并按照提供者和提供类型进行分类，形成一个松
散的全局数据模式．注册服务中心可以配置数据
模式的访问权限，为参与集成的每个源节点提供
数据模式和数据访问接口的查询及修改服务．
3 数据模型的XI L表示
可扩展标 记语 言 XML(eXtensible Markup
Language)是一种面向 Internet应用的标记语言，
它是由W3C组织于 1998年 2月制定的一种通用
语言规范．XML具备强大数据描述能力，将数据
格式与数据内容巧妙地结合在一起，便于机器对
XML数据的理解 l5 3．XML能够很好地处理异构
系统语义歧义 的问题，异构数据源 间可 以利用
XML文档转换技术进行有效的数据交换．正是由
于 XML本身具有的这些特征，使其成为集成系统
中数据模型的重要表示方法．
3．1 结构化数据模式的 XML表示
一 般所集成的结构化数据大多采用关系数据
模型存储数据．这是因为关系数据库理论体系较
为完善，访问性能好，数据冗余小，一致性好，数据
间联系紧密，适合于本地数据的存储．因此需要用
XML有效地表示关系数据库中的关系型数据，让
其既尽可能保持 XML数据的关系模型，又方便
XML数据与关系数据库中数据的相互转换．
XML文档是一种树状、层次型的表达结构，
2007芷
每个元素都可以被多个属性和子元素来修饰和扩
充．该特性与信息世界所抽象出的实体集、实体、
属性和键的层次结构特点相对应．同时，XML还
有数 据 格 式 的描 述 标 准 XML DTD 和 XML
Schema，以限制数据在 XML文档中的表现形式．
以XML DTD方式对数据模式的表示如下：
<MODEL ID=“Model’’>
<ENTITY ID=“法人”>
<FIELD ID=”公司编号” TYPE=
“ number” LENGTH =”4” NULABLE
= “NO’’／>
<FIELD ID=”姓名” TYPE=
‘‘string” LENGTH =’’10’’ NULABLE
= “NO’’／>
<FIELD ID=”年龄” TY PE=
“ number” LENGTH =”2” NULABLE
= “NO’’／>
<FIELD ID=”性别” TY PE=
“ string” VALUE=”男I女” LENGTH
= “1”／>
<PRIARYKEY >
<liFIDLD ID=”公司编号”／>
<／PRIARYKEY >
<／ENTⅡY >
<ENTITY ID=“税务”>
<FIELD ID=”税收项 目编号”TYPE=
“ numb er” LE NGTH =”8” NULABLE
= “NO’’／>
<FIELD ID=”税收项目名称”TY PE=
“ string” LE NGTH =’’10’’ NULABLE
= ‘‘NO”／>
<PRIARYKEY >
<liFIDLD ID=”税收项目编号”／>
<／PRIARYKEY >
<／ENTn >
<EN唧 ID=“公司税收”>
<FIELD ID=”公司编号” TYPE：
“ numb er” LENGTH =”4” NULABLE
= “NO’’／>
<FIELD ID=”税收项目编号”TY PE：
“ string” LE NGTH =’’8” NULABLE =
“NO”／>
<FIELD ID=”税收收入” TY PE：
“ numb er” LENGTH = ” 2O ”
NULABLE =“NO”／>
<PRIARYKEY >
<liFIDLD ID=“公司编号”／>
<liFIDLD ID=”税收项目编号”／>
<／PRIARYKEY >
<／ENTITY >
维普资讯
邓莎莎，等：电子政务数据集成系统中数据模式的研究 43
< FOREIGNKEY ID = ”FRkeyl”FROM
—
ENTITY =
“公司税收”TO—ENTITY=“法人”>
<liFORM
— FIELD=“公司编号”
TO
— FIELD=”公司编号”／>
<／FOREIGNKEY >
< FOREIGNKEY ID =’’FRkey2”FROM
—
ENTITY=“公司税收”TO—ENTⅡ’Y=“税
务”>
<liFORM
_ 'FIELD=“税收项 目编号”
TO
— FIELD=”税收项目编号”／>
<／FOREIGNKEY >
<／MODEL>
由此可见，该定义巧妙地利用了 XML DTD
的特点，将数据模式单独放在 DTD中定义，将数
据模式和数据内容分开．这样 ，既清晰地表达了数
据模式，又在很大程度上降低了数据内容部分的
冗余信息．
同时，数据模式与数据内容又在同一个 XML
文档中，采用 DTD的内容使用方式，保证了XML
数据在互联网上交流时数据、语义和结构信息的
共存．在DTD的约束下，XML中的数据在被处理
过程中会符合最初的信息模式．
3．2 半结构化数据模式的 XML表示
在电子政务数据集成系统中，半结构化数据
主要是异构的文件系统，其数据和应用程序紧密
相连．异构性主要表现在环境的异构性、数据结构
的异构和数据操作的异构等方面，且文件系统不
具备传统数据库系统的一些特点：模式定义、查询
语句、事务的 ACID特征等．
当有新的文件系统作为数据源加入到系统中
时，需要向服务中心申请注册．经过注册后的数据
源才可以为系统所用．系统需要访问文件系统数
据时，不同类型的文件系统将会调用不同的数据
访问组件．下面列出的是半结构化数据的元数据
模型，它记录了文件系统数据源的特征．
<MODEL ID=“Model2’’>
<ENTITY ID =“ExcelRegister”>
<FIELD ID =”DBNum”TYPE =
“number”LENGTH =”4” NULABLE=
“NO”／>
<FIELD ID=’’FilePath”TYPE=
“ string” LE NGTH =’’100”NULABLE =
“NO”／>
<FIET．n TD：”SheetName”TY PE=
“ string”LENGTH = ”20”NUIABLE =
“NO”／>
<FIELD ID =”TargetTableName”TYPE=
“ string”LENGTH =”20”NUIABLE =
“NO”／>
<FIELD ID=”TargetHeadName”TYPE =
“ number”LENGTH =”4”NULABLE =
“NO”／>
<FIELD ID=”isColumnName”TYPE=
“ number”LENGTH =”1”NUIABLE =
“NO”／>
<PRIARYKEY >
<liFIDLD ID =”TargetTableName”／>
<／PRIARYKEY >
<／ENTⅡ’Y >
<ENTⅡ’Y ID =“TxtRegister”>
<FIELD ID=”FilePath”吖 PE=
“ string” LENGTH =”100” NUIA BLE=
“NO”／>
<FIELD ID =”Seprator”TYPE=
“ string” LENGTH =”3” NUIABLE=
“NO”／>
<FIELD ID=”SheetName”TYPE=
“ string”LENCTH =”20” NULABLE =
“NO”／>
<FIELD ID=”TargetTableName”吖 PE=
“ string”LENGTH =”20”NUIABIJE =
“NO”／>
<FIELD ID =”T~getHeadName”吖 PE =
“ numb er”LENCTH =”4”NULABLE =
“NO”／>
<FIELD ID=”isColumnName”TYPE=
“ numb er”LENCTH =”1” NULABLE =
“NO”／>
<FIELD ID=”Type 1”TYPE=
“ string” LENGTH =”20” NUIA BLE=
“NO”／>
<FIELD ID =”Type n”TYPE=
“ string” LENCTH =”20” NULABLE =
“NO”／>
<PRIARYKEY >
<liFIDLD ID=“FilePath”／>
<／PRIARYKEY >
<／ENTrrY >
<／MODEL>
用户完成文件系统数据源登记后，系统将根
据元数据模式定义存储相关数据．ExcelRegister
中主键为 TargetTableName．由于 Excel文件中会
有多个 Sheet，所以在模块中定义，一个 sheet对应
维普资讯
上 海 电 力 学 院 学 报 2007拄
一 张表，而一个 Excel文件只对应一个 ID号．
SheetName是在程序读取源文件的 Sheet名称时
临时生成的．由于模块对 Excel文件的操作是以
单元格为单位的，因此必须知道文件数据的起始
单元数．
同样，文本文件 的信息存储在 textRegister
中，主键为 filePath．它是文本文件的存储路径，具
有唯一性．Seprator是根据用户提供 的信息填入
的．由于一个文本文件中会有多个分隔符，分隔符
和分隔符之间用“!”分开．Typel—TypeⅣ也由用
户提供，由于文本文件是半结构化文件，因此需要
用户提供每个数据项的详细信息．
3．3 网页数据模式的XML表示
政府机构很多统计数据都在其网站中以表格
的形式公布．因此，本系统对于网页数据的处理着
重于对网页中表格数据的处理．网页中表格多种
多样，主要有以下 4种形式 ：一维横向表格、一维
纵向表格、二维横向表格、二维纵向表格．由于网
页数据的不规则性，因此在获取网页数据模式时
需要人机交互 ，这样才能有效避免垃圾数据和无
用数据．网页数据模式的表示形式如下：
<MODEL ID =“Mode3’’>
<ENTITY ID =“InternetData”>
<FIELD ID=”IPaddress” rYPE=
“ string”LENGTH =’’400” NULABLE =
“NO”／>
<FIELD ID=”TableFormat” rYPE=
“ string” LENGTH =’’100”NULABLE =
“NO”／>
<FIELD ID=”TableName” rYPE：
“ string”LENGTH = ’’50”NULABLE =
“NO”／>
<PRIARYKEY >
<liFIDLD ID=’’TableName”／>
<／PRIARYKEY >
<／ENTITY >
<／MODEL>
该模型中的 IPaddress为所需数据所在的网
址 ，通过该网址可以获取网页数据，同时可以在网
页中人工选取所需数据所在的表格．TableFormat
是由人工选择该表格的类型．针对不同的类型，系
统的处理方式各不相同．TableName指的是在系
统中心数据库中保存的表名．在该系统中表名是
唯一的．同一个网址可以有多个所需的表格数据，
通过人工交互最终保存在中心数据库中可以是多
个或者一个数据表．
4 结束语
数据模式是电子政务数据集成的基本单元．
数据模式定义了数据的格式、数据的约束、子数据
项之间的关系，以及数据的操作方式等，为程序 自
动处理基于该数据模式的数据提供了参考．数据
模式的选取对集成系统影响很大，直接关系到数
据的基本操作．提取的数据模式需要按照一定的
方式管理，便于集成系统的检索和使用．一般而
言，数据类型有结构化数据和半结构化数据，采用
XML数据模式进行数据交换，快捷而又方便．数
据模型的异构性比较复杂，本文只从简单的异构
性分析人手，逐步解决多种类型的数据模式异构
性．
参考文献：
[1] 王长胜．电子政务蓝皮书：中国电子政务发展报告[M]．北
京：社会科学文献出版社，2003．1—137．
[2] Glassy 0．Developing a One—step Government Fata Model[J]．
Government Information Quarterly，2004，21：156—169．
[3] 陈跃国，王京春．基于XML的关系数据模型研究[J]．中南
大学学报，2003。34(2)：307-310．
[4] Christophides V，Cluet S，Simeon J．On Wrapping Query Ian—
guages and Efficient XML Integration[c]．Proceedings of the
ACM SIGMOD Conference on Management of Data，Dallas，
USA，1998．141—152．
[5] Chamberlin D，Robie J，Hom~u D．Quilt：An XML Language
for Heterogeneous Data Sources[c]．Proceedings of the
International Workshop on the Web and Databases(WebDB)，
Dalias，USA，2000．53-62．
维普资讯
