XML 报表数据的新大陆

   随着B/S系统的普及和XML技术的深入应用，越来越多的数据包裹着XML的外衣被存储和扔来扔去。这些数据很多源自数据库，但经过一定的处理，数据更精简，更贴近应用。如果报表工具能利用这些XML数据，则可以减少数据库查询和报表数据运算操作，因为这些XML数据的始作俑者已经完成了这些操作。因此说XML是报表数据的新大陆。

  传统的报表工具都是只能处理关系型数据库，基本上不能处理其他数据。随着时代的发展，一些报表工具加上了处理XML文档的能力，但需要编程，编写并配置插件，如此报表程序结构复杂，接口众多，用户还需要根据各种规范动手编写程序，若XML文档格式有很多种，就需要编写很多种的插件，报表开发量不小。

   如果实现了一种能处理XML文档，从中获得报表数据的通用方法。则在定制报表模板的时候就教育报表引擎如何从XML文档获得数据，则对于所有的或大部分的XML文档无需编程，可减少报表开发量。

  那么如何通用的处理具有复杂树状结构的XML文档呢？

   大家知道，处理XML文档有两种模式，一个是DOM方式，另一个是流模式。DOM方式处理方便，但速度慢耗内存，流模式处理速度快，省内存但使用不方便。对于.NET平台，使用System.Xml.XmlDocument对象来使用DOM方式处理XML文档，而使用XmlReader 来使用流模式处理XML文档。

   W3C国际标准组织设计XML文档的目标是方便的存储和交换小型数据包，而不考虑数据的冗余。因此若实际系统中出现巨大的XML文档，则大多数情况下可以认为是不恰当的使用XML技术。因此我认为报表工具不应当处理巨大的XML文档，在此前提下，为了实现方便，采用DOM方式来处理XML文档。

   在.NET中使用XmlDocument加载一个XML文档后，会形成一个以XmlDocument为根节点的XML对象树状结构，面对这个XML树结构，获取其中的数据方法很自然的就是使用XPath技术了。XPath技术就是在XML树状结构中，以某个节点作为起始节点，使用特定的描述表示的路径移动到其他的节点，一般的是向其下层节点移动，比如移动到某个子节点或孙节点，移动到某个属性等等。

    传统的报表数据源模型是两层的，即使扩展到可以处理XML文档也只能处理一次，既从根节点出发，使用某个XPath 获得字段的值。如此只能处理一次，处理完毕后XML就被扔掉了。但很多时候需要对XML文档进行进一步处理。此时传统的两层报表数据源模型是不够的。

    为了能对XML文档进行精耕细作，需要从传统的两层数据源结构突破到多层的报表数据源模型。在多层数据源节点中，每一个节点都映射到XML文档中的某个节点，而它的子节点则使用XPath路径映射到XML中的其他节点。如此递归循环后则多层的数据源可以映射到XML文档中的任意节点。多层数据源模型实际上就是一个数据源树，因此处理XML文档也就是将两颗树在某些节点上钉在一起，而XPath就是钉子。因此需要注意各级数据源节点的XPath配置的连续性，若一个数据源节点的XPath设置不对，就像它钉错了XML节点或者干脆钉在空处。则它本身和所有的子孙节点都都会绑定落空的。

   在实际应用中，由于XML文档不是专门为报表而产生的，因此报表工具还可能要离开XML文档来获取更多的报表数据，此时可能需要从XML文档跳到其他XML文档，或者返回数据库继续执行SQL查询。这就非常考验报表数据源模型的灵活性了。

    大家都知道RSS文档是一种XML文档，在这里使用博客园的RSS文档为例子说明从XML读取报表数据的过程。首先考察一下RSS文档的结构，博客园首页的RSS文档URL为 http://www.cnblogs.com/rss.aspx ，根节点为 rss , 然后有个 channel 子节点，下面包含了RSS文档的基本信息，然后有若干个item节点，列出了所有文章的基本信息。item节点下面是文章的基本信息，其中 wfw:commentRss 子节点的内容是针对该文章回帖信息RSS文档的URL。可以根据这个URL加载的回帖信息RSS文档，根据RSS文档结构可以定义出如下的报表数据源和RSS文档的映射关系。

   这里的RSSXML文档有三层结构，而且需要动态加载XML文档进行更深入的处理，因此传统的两层结构是肯定不够的,必须采用多层次的报表数据源结构。其过程是相当复杂的，步骤为

1. 加载 http://www.cnblogs.com/rss.aspx 处的XML文档，作为主XML文档，生成一个System.Xml.XmlDocument 对象，并以该XML文档对象作为处理的出发点。
2. 使用XPath"rss"遍历所有符合该路径的XML节点，很显然只处理了一个节点，此时当前位置就移动到rss节点。
3. 从当前节点处使用XPath"channel/title"获得网站标题，使用"channel/link"获得网站地址，"channel/description"获得网站说明，"channel/pubDate"获得文档发布时间。
4. 从当前节点处使用"channel"遍历所有符合该路径的XML节点，很显然只处理了一个节点，此时当前位置就移动到了"channel"节点。
5. 变量当前节点下的所有的item子节点，并依次设置为当前节点。
6. 从当前节点处使用“title"获得文章标题，使用"link"获得文章地址，使用”author"获得作者，“pubDate"获得发布时间，"description"获得文章内容，"slash:comment"获得回复数，“wfw:commentRss"获得回复RSSXML文档的URL。
7. 当处理"wfw:commentRss"节点时，程序根据某个特定的设置加载该节点数据指向的XML文档，也就是加载针对当前文章的回复RSSXML文档。并遍历刚刚加载的XML文档的所有符合"rss/channel/item"的节点，并依次设置为当前节点。
8. 从当前节点处，使用"author"获得回复作者，使用”pubDate"获得回复时间，使用"description"获得回复内容。
9. 由于RSSXML文档中的description节点处保存的时HTML代码，因此还需要解析HTML代码并提取其中的纯文本内容。

   从上面的步骤可以看出，数据源结构中的每一个节点都钉到了XML文档中的某个节点，而且在回复列表这个节点中，程序执行了XML文档的跳转，从主XML文档跳到回复RSSXML文档，而且是处理树状结构的，因此是递归操作，很多状态信息都由系统调用堆栈自动保存，无需程序自己保存了。

   如果报表程序能直接连接到博客园数据库的话，还可以从文章作者这个节点执行XML文档到数据库的跳转，直接查询数据库，获得文章作者的一些注册信息。实事上，这个数据源树状结构中每一个节点都可以发生XML到XML，XML到数据库，数据库到XML的三种跳转，这大大扩展了获取报表数据的灵活性。

   如果一个信息系统是纯XML应用的话，则报表工具就可以在众多的XML文档中跳跃着采集数据而不需要查询数据库，就像少林寺的武僧在梅花桩上打架而不用碰地，因此也就不用管下面是JAVA土壤的还是.NET土壤。此时所有的数据库操作，业务逻辑等等都运行在后台，而报表工具无需关心，只要系统底层安全可靠，则报表模块也就安全可靠，系统底层无论如何修改，只要XML文档格式不变则报表模块就不需要修改。对于非常复杂的报表数据源，超出了报表工具的定制能力，则可以编程提供一个XML文档供报表程序使用。以前系统是直接通过API向报表程序提供复杂报表数据，而现在通过XML文档以“隔山打牛”的方式向报表程序提供复杂报表数据。此时系统结构更安全，边界更清楚，体现了XML WebService的指导思想。这种获取数据的思想可以不局限于报表数据的获取，还可以应用到其他领域。

   以上讨论的应用系统限于B/S系统，但可以设想，C/S系统经过改造，可以通过某种方式向报表工具提供XML数据文档。

   从上面的讨论可以看出，XML确实是报表数据的新大陆，本人写的报表工具已经初步体现了这种思想。但这种思想可能有点激进，还不成熟不完善，希望大家多多指点。

XDesigner 软件工作室 2006-8-30