从XML模式到JSON模式：用CHR进行翻译

From XML Schema to JSON Schema: Translation with CHR

Falco Nogatz, Thom Frühwirth

备注：: Part of CHR 2014 proceedings (arXiv:1406.1510)

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

尽管它作为数据格式（特别是Web服务）越来越受欢迎，但围绕JavaScript对象表示法（JSON）的软件生态系统并不像XML那样广泛分布。对于这两种数据格式，都存在模式语言来指定实例文档的结构，但是目前没有机会将已经存在的XML模式文档转换为等效的JSON模式。在本文中，我们将介绍一个语言翻译器的实现。它接受一个XML Schema并创建它的等价JSON Schema文档。我们的方法是基于Prolog和CHR的。通过将XML Schema文档展开为XML约束，可以以声明的方式指定具体的翻译规则。

英文摘要：

Despite its rising popularity as data format especially for web services, the software ecosystem around the JavaScript Object Notation (JSON) is not as widely distributed as that of XML. For both data formats there exist schema languages to specify the structure of instance documents, but there is currently no opportunity to translate already existing XML Schema documents into equivalent JSON Schemas. In this paper we introduce an implementation of a language translator. It takes an XML Schema and creates its equivalent JSON Schema document. Our approach is based on Prolog and CHR. By unfolding the XML Schema document into CHR constraints, it is possible to specify the concrete translation rules in a declarative way.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

被遗忘的面向文档的数据库管理系统：原生XML DODBMS与JSON DODBMS的比较

The Forgotten Document-Oriented Database Management Systems: An Overview and Benchmark of Native XML DODBMSes in Comparison with JSON DODBMSes

在当前的大数据背景下，已经提出并实现了许多新的NoSQL解决方案，用于存储，管理和从半结构化数据中提取信息和模式。这些解决方案通过引入半结构化和灵活的模式设计来缓解关系数据库中存在的刚性数据结构的问题。由于当前由不同来源和设备生成的数据，特别是来自物联网传感器和执行器的数据，根据应用程序的不同，使用XML或JSON格式，因此需要以XML格式存储和查询半结构化数据的数据库技术。因此，原生XML数据库最初被设计为使用标准化的查询语言来操作XML数据，即，XQuery和MySQL被重新命名为NoSQL面向文档的数据库系统。目前，这些解决方案中的大多数已经被更现代的基于JSON的数据库管理系统所取代。但是，我们相信基于XML的解决方案仍然可以在异构集合上执行复杂查询时提供性能。不幸的是，现在的研究缺乏对以XML存储和查询文档的数据库技术与更现代的JSON格式的可伸缩性和性能的明确比较。此外，据我们所知，这些数据库技术没有符合大数据的基准。在本文中，我们提出了一个比较选定的面向文档的数据库系统，要么使用XML格式编码的文件，即，BaseX、eXist-db和Sedna，或者JSON格式，即，MongoDB、CouchDB和Couchbase。为了强调性能差异，我们还提出了一个基准测试，使用一个大型DBLP语料库上的异构复杂模式。

2021-02-03cs.DB

基于实例编程的层次数据到关系表的自动迁移

Automated Migration of Hierarchical Data to Relational Tables using Programming-by-Example

虽然许多应用程序以XML和JSON等分层格式导出数据，但通常需要将此类分层文档转换为关系表示。本文提出了一种新的编程的例子的方法，并在一个工具中实现称为Mitra，自动迁移树结构的文档到关系表。我们已经评估了所提出的技术，使用两组实验。在第一个实验中，我们使用Mitra自动化从StackOverflow收集的98个数据转换任务。我们的方法可以生成所需的程序为94%的这些基准与平均合成时间为3.8秒。在第二个实验中，我们使用Mitra生成程序，这些程序可以将真实世界的XML和JSON数据集转换为成熟的关系数据库。我们的评估表明，Mitra可以自动化所有数据集的所需转换。

2017-11-10cs.DBcs.PL

JEDI：这些不是您要查找的JSON文档.（扩展版本 *）

JEDI: These aren't the JSON documents you're looking for... (Extended Version*)

JavaScript Object Notation（JSON）是一种流行的数据格式，在文档存储中用于原生地支持半结构化数据。在本文中，我们解决的JSON相似性查找查询的问题：给定一个查询文档和距离阈值$τ$，检索所有的JSON文档，是在$τ$从查询文档。由于其递归定义，JSON数据自然表示为树。与XML等其他分层格式不同，JSON支持单个文档中的有序和无序兄弟集合。这一特征对树模型和距离计算提出了新的挑战。我们提出了JSON树，JSON文档的无损树表示，并定义了JSON编辑距离（JEDI），JSON文档的第一个基于编辑的距离度量。我们开发了一个算法，称为QuickJEDI，计算JEDI利用一种新的技术来修剪昂贵的兄弟匹配。它在运行时的性能比基线算法高出一个数量级。为了提高JSON相似性查询的性能，我们引入了一个名为JSIM的索引和一个基于树排序的高效上限。我们的算法的上界运行在$O(n τ)$时间和$O(n + τ\log n)$空间，这大大提高了以前的最佳界的$O(n^2)$时间和$O(n \log n)$空间（其中$n$是树的大小）。我们的实验评估表明，我们的解决方案可扩展到具有数百万文档的数据库和具有数万个节点的JSON树。

2022-01-21cs.DB

面向RDF与数据交换规范转换的通用映射语言

Toward a Generic Mapping Language for Transformations between RDF and Data Interchange Formats

Helmut Schmidt University（赫尔穆特·施密特大学）

虽然存在使用语义模型来集成异构数据的方法，但是这样的语义模型通常不能被现有的软件工具使用。许多软件工具--尤其是在工程领域--只能选择以更成熟的数据交换格式（如XML或JSON）导入和导出数据。因此，如果需要在这样的软件工具中使用包括在语义模型中的信息，则需要用于将语义信息映射到交换格式的自动方法。我们的目标是开发一个通用的映射方法，允许用户创建一个数据交换格式的任意结构，可以由用户定义的语义信息的转换。目前正在拟订这一绘图方法。在这篇文章中，我们报告了从RDF到XML转换的初始步骤。首先，介绍了一种映射语言，它允许定义从本体到XML的自动映射。此外，映射算法能够执行映射定义在这种语言。评估是用一个用例完成的，在这个用例中，工程信息需要在3D建模工具中使用。

2022-11-04cs.AIcs.DB

CityJSON：CityGML数据模型的紧凑且易于使用的编码

CityJSON: a compact and easy-to-use encoding of the CityGML data model

国际标准CityGML既是一种数据模型，也是一种存储城市数字3D模型的交换格式。虽然数据模型是由几个城市，公司和政府使用，在本文中，我们认为，其基于XML的交换格式有几个缺点。这些缺点意味着开发人员很难实现CityGML的解析器，因此，如果他们想与其他人交换数据，从业者必须将数据转换为其他格式。我们提出了CityJSON，一种新的基于JSON的交换格式，用于CityGML数据模型（版本2.0.0）。CityJSON是为程序员设计的，因此可以快速构建支持它的软件和API。它还被设计为紧凑型（真实世界数据集的压缩因子约为6），并且对Web和移动开发友好。我们认为，它比CityGML格式更容易使用，无论是读取还是创建数据集。在本文中，我们讨论了CityJSON的主要功能，简要介绍了不同的软件包来解析/查看/编辑/创建文件（包括一个自动转换的JSON和GML编码），分析如何比较现实世界的数据集与CityGML，我们还介绍了\emph{Extensions}，它允许我们扩展核心数据模型在一个文档化的方式。

2020-01-24cs.DB

文本序列化格式与方法的广泛研究

An Extensive Study on Text Serialization Formats and Methods

该研究对文本序列化的概念、主流格式（JSON、XML等）、底层方法及性能特征展开广泛综述，通过假设性性能对比分析格式选择的权衡，为各计算领域应用文本序列化提供全面参考。

2025-05-10cs.DBcs.PL

更多相关论文收起更多论文

MORTAL：基于强化学习的多模型数据关系存储模式自动设计工具

MORTAL: A Tool of Automatically Designing Relational Storage Schemas for Multi-model Data through Reinforcement Learning

考虑到关系数据库在处理安全性、用户认证、查询优化等方面具有强大的能力，若干商业和学术框架重用关系数据库来存储和查询半结构化数据（例如，XML、JSON）或图形数据（例如，RDF，属性图）。然而，这些工作集中于使用RDBMS管理上述数据模型之一。也就是说，它没有利用底层工具来自动生成用于存储多模型数据的关系模式。在这个演示中，我们提出了一种新的基于强化学习的工具，称为MORTAL。具体来说，给定包含不同数据模型的多模型数据和一组查询，它可以自动设计一个关系模式来存储这些数据，同时具有很好的查询性能。为了清楚地说明它，我们围绕着以下模块：基于加载的多模型数据生成初始状态，通过设置参数来影响学习过程，通过提供语义约束来控制生成的关系模式，通过指定查询来提高关系模式的查询性能，以及当用户调整生成的关系模式时显示查询性能和存储消耗的高度交互式界面。

2021-09-01cs.DB