Como ya hemos visto, XML, es un estándar potente y de amplia aceptación para guardar y comunicar información acerca de objetos. Permite la codificación de información, separada de la forma en la que se debe presentar al usuario. Cuando se desea encontrar un fragmento específico de información en los contenidos de un nodo o atributo XML, es necesario procesar completamente todo el archivo XML.

Podemos pensar en XML como en una base de datos. Visto así, una base de datos XML se puede ver como una colección de documentos XML. Cada documento XML representa un registro de la base de datos; es un archivo en el sistema de archivos y contiene una cadena válida XML.

La estructura de un documento XML suele seguir un mismo esquema XML, aunque no es necesario que sea así. Este es uno de los beneficios de las bases de datos XML, ya que cada archivo se puede configurar de forma estructurada por lo que es independiente, pero fácilmente accesible.

La principal ventaja de usar bases de datos XML es que proporcionan una gran flexibilidad (gracias a tener colecciones de documentos con un esquema independiente), lo que conlleva facilidad a la hora de crear aplicaciones que usen a la Base de Datos XML.

Esta flexibilidad es un gran valor, especialmente en los últimos años, en los que se ha visto la necesidad de contar con estándares para el intercambio de información. Estos estándares ayudan a que las organizaciones puedan compartir su información de una manera más cómoda, automática y eficiente.

Los documentos y los requerimientos de almacenamiento de datos XML pueden ser agrupados en dos categorías generales:

• Sistemas centrados en los datos. Cuando los documentos XML tienen una estructura bien definida y contienen datos que pueden ser actualizados y usados de diversos modos. Es apropiada para ítems como contenidos de periódicos, artículos, publicidad, facturas, órdenes de compra... y algunos documentos menos estructurados.
• Sistemas centrados en los documentos. Cuando los documentos tienden a ser más impredecibles en tamaño y contenido. Presentan más tipos de datos, de tamaño más variable, con reglas flexibles para campos opcionales y para el propio contenido.
  Los sistemas de almacenamiento XML deben acomodarse eficientemente con ambos tipos de requerimientos de datos, dado que XML está siendo usado en sistemas que administran ambos tipos de datos.

La mayoría de los productos se enfocan en servir uno de esos formatos de datos mejor que el otro. Las bases de datos relacionales tradicionales son mejores para tratar con requerimientos centrados en los datos, mientras que los sistemas de administración de contenido y de documentos, suelen ser mejores para almacenar datos centrados en el documento.

Los sistemas de bases de datos deben ser capaces de exponer los datos relacionales como un documento XML y almacenar un documento XML recibido como datos relacionales para transferir, obtener y almacenar los datos.

En lo que concierne a las bases de datos, XML permite integrar sistemas de información hasta ahora separados:

• Sistemas de información basados en documentos (ficheros), tienen estructura irregular, utilizan tipos de datos relativamente simples y dan gran importancia al orden.
• Sistemas de información estructurados (bases de datos relacionales), son relativamente planos, utilizan tipos de datos relativamente complejos y dan poca importancia al orden.

Podemos establecer las siguientes semejanzas entre una base de datos y un fichero XML con su esquema asociado:

• La tecnología XML usa uno o más documentos para almacenar la información.
• Define esquemas sobre la información.
• Tiene lenguajes de consulta específicos para recuperar la información requerida.
• Dispone de APIs (SAX, DOM).

Pero aparecen muchas más cosas que lo diferencian. Debido a que no es una base de datos, la tecnología XML carece, entre otras cosas, tanto de almacenamiento y actualización eficientes como de índices, seguridad, transacciones, integridad de datos, acceso concurrente, disparadores, etc.; que son algunas de las características habituales en las bases de datos. Por tanto es imposible pensar que XML se vaya a utilizar para las tareas transaccionales de una organización para las cuales sigue estando sobradamente más justificado utilizar una base de datos.

Un ejemplo de esto es JABX (Java Architecture for XML Binding) del que puedes obtener más información en el siguiente enlace.

Las Bases de Datos Relacionales se basan en las relaciones (tablas bidimensionales), como único medio para representar los datos del mundo real. Están asociadas al lenguaje estándar SQL.

Se han creado complejas teorías y patrones para encajar objetos o estructuras jerarquizadas en bases de datos relacionales. Existen numerosos middlewares encargados de la transferencia de información entre estructuras XML y bases de datos relacionales.

Las Bases de Datos Relacionales suponen una posibilidad para el almacenamiento de datos XML. Sin embargo, no están bien preparadas para almacenar estructuras de tipo jerárquico como son los documentos XML, algunas de las causas son:

• Las bases de datos relacionales tienen una estructura regular frente al carácter heterogéneo de los documentos XML.
• Los documentos XML suelen contener muchos niveles de anidamiento mientras que los datos relacionales son planos.
• Los documentos XML tienen un orden intrínseco mientras que los datos relacionales son no ordenados.
• Los datos relacionales son generalmente densos (cada columna tiene un valor), mientras que los datos XML son dispersos, es decir, pueden representar la carencia de información mediante la ausencia del elemento.

Algunas de las razones para usar los tipos de Bases de Datos Relacionales y los productos de bases de datos existentes para almacenar XML, aún cuando no sea de forma nativa son:

• Las bases de datos relacionales y orientadas a objetos son bien conocidas, mientras que las bases de datos XML nativas son nuevas.
• Como resultado de la familiaridad con las bases de datos relacionales y orientadas a objetos, los usuarios se inclinan a ellas especialmente por el rendimiento.

El proceso de traducción puede ser descompuesto en los siguientes pasos básicos:

• Crear el esquema XML con un elemento para cada tabla y los atributos correspondientes para cada columna no clave. Las columnas que no permiten valores nulos pueden ser marcadas como requeridas, mientras que aquellas que permiten valores nulos pueden ser marcadas como opcionales en el esquema XML. Las columnas pueden ser también anidadas como elementos, pero pueden surgir problemas cuando el mismo nombre de columna es usado en más de una tabla. Por ello, lo más simple es transformar las columnas como atributos XML, donde las colisiones de nombre en el esquema XML no son un problema.

• Crear las claves primarias en el esquema XML. Una solución podría ser agregar un atributo para la columna clave primaria, con un ID agregado al nombre de la columna. Este atributo podría necesitar ser definido en el esquema XML como de tipo ID. Pueden surgir problemas de colisión al crear claves primarias en el esquema XML, ya que a diferencia de las bases de datos relacionales, donde las claves primarias necesitan ser únicas sólo dentro de una tabla, un atributo ID dentro de un documento XML debe ser único a través de todo el documento. Para resolverlo se puede agregar el nombre del elemento (nombre de la tabla), al valor de la clave primaria (valor del atributo). Esto asegura que el valor es único a través del documento XML.

• Establecer las relaciones de clave migrada. Esto se puede lograr mediante el anidamiento de elementos bajo el elemento padre, un ID de esquema XML puede ser usado para apuntar a una estructura XML correspondiente conteniendo un IDREF.

Pueden existir muchas variaciones de esquemas XML para representar la misma base de datos relacional.

Las bases de datos orientadas a objetos (DBOO) soportan un modelo de objetos puro, en el sentido de que no están basados en extensiones de otros modelos más clásicos como el relacional:

• Están influenciados por los lenguajes de programación orientados a objetos.
• Pueden verse como un intento de añadir la funcionalidad de un SGBD a un lenguaje de programación.
• Son una alternativa para el almacenamiento y gestión de documentos XML.

Componentes del estándar de Orientación a Objetos:

• Modelo de Objetos. Está concebido para proporcionar un modelo de objetos estándar para las bases de datos orientadas a objetos. Es el modelo en el que se basan el los demás componentes.
• Lenguajes de Especificación de Objetos (ODL). Para definir los objetos.
  
• Lenguaje de Consulta de Objetos (OQL). Para realizar consultas contra los objetos.
• ‘Bindings’ para C++, Java y Smalltalk. Definen un Lenguaje de Manipulación de Objetos (OML) que extiende el lenguaje de programación para soportar objetos persistentes. Además incluyen soporte para OQL, navegación y transacciones.

Una vez transformado el documento XML en objetos, éstos son gestionados directamente por el SGBDOO. Dicha información se consulta acudiendo al lenguaje de consulta OQL. Los mecanismos de indexación, optimización, procesamiento de consultas, etc. son los del propio SGBDOO, y por lo general, no son específicos para el modelo XML.

Las Bases de Datos XML Nativas son bases de datos (y como tales soportan transacciones, acceso multi-usuario, lenguajes de consulta, etc) diseñadas especialmente para almacenar documentos XML.

Las BD XML Nativas se caracterizan principalmente por:

• Almacenamiento de documentos en colecciones. Las colecciones juegan en las bases de datos nativas el papel de las tablas en las BD relacionales.

• Validación de los documentos.

• Consultas. La mayoría de las BD XML Nativas soportan uno o más lenguajes de consulta. Uno de los más populares es XQuery.

• Indexación XML. Se ha de permitir la creación de índices que aceleren las consultas realizadas.

• Creación de identificadores únicos. A cada documento XML se le asocia un identificador único.

• Actualizaciones y Borrados.

Según el tipo de almacenamiento utilizado pueden dividirse en dos grupos:

• Almacenamiento Basado en Texto. Almacena el documento XML entero en forma de texto y proporciona alguna funcionalidad de base de datos para acceder a él. Hay dos posibilidades:

  • Posibilidad 1: Almacenar el documento como un BLOB en una base de datos relacional, mediante un fichero, y proporcionar algunos índices sobre el documento que aceleren el acceso a la información.

  • Posibilidad 2: Almacenar el documento en un almacén adecuado con índices, soporte para transacciones, etc.

• Almacenamiento Basado en el Modelo. Almacena un modelo binario del documento (por ejemplo, DOM) en un almacén existente o bien específico.
  
  

  • Posibilidad 1: Traducir el DOM a tablas relacionales como Elementos, Atributos, Entidades, etc.

  • Posibilidad 2: Traducir el DOM a objetos en una BDOO.

  • Posibilidad 3: Utilizar un almacén creado especialmente para esta finalidad.

Aunque XQuery y SQL puedan considerarse similares, el modelo de datos sobre el que se sustenta XQuery es muy distinto del modelo de datos relacional sobre el que sustenta SQL, ya que XML incluye conceptos como jerarquía y orden de los datos que no están presentes en el modelo relacional.

Por ejemplo, a diferencia de SQL, en XQuery el orden en que se encuentren los datos es importante, ya que no es lo mismo buscar una etiqueta <B> dentro de una etiqueta <A> que todas las etiquetas <B> del documento (que pueden estar anidadas dentro de una etiqueta <A> o no).

La entrada y la salida de una consulta XQuery se define en términos de un modelo de datos. Dicho modelo de datos de la consulta proporciona una representación abstracta de uno o más documentos XML (o fragmentos de documentos).

Las principales características de este modelo de datos son:

• Se basa en la definición de secuencia, como una colección ordenada de cero o más ítems. Éstas pueden ser heterogéneas, es decir pueden contener varios tipos de nodos y valores atómicos. Sin embargo, una secuencia nunca puede ser un ítem de otra secuencia.
• Orden del documento: corresponde al orden en que los nodos aparecerían si la jerarquía de nodos fuese representada en formato XML, (si el primer carácter de un nodo ocurre antes que el primer carácter de otro nodo, lo precederá también en el orden del documento).
• Contempla un valor especial llamado “error value” que es el resultado de evaluar una expresión que contiene un error.

Una consulta en XQuery es una expresión que lee una secuencia de datos en XML, y devuelve como resultado otra secuencia de datos en XML.

El valor de una expresión es una secuencia heterogénea de nodos y valores atómicos.
La mayoría de las expresiones están compuestas por la combinación de expresiones más simples unidas mediante operadores y palabras reservadas.

Ya hemos visto que XPath es un lenguaje declarativo para la localización de nodos y fragmentos de información en árboles XML.
Puesto que XQuery ha sido construido sobre la base de XPath y realiza la selección de información y la iteración a través del conjunto de datos basándose en dicho lenguaje, toda expresión XPath también es una consulta Xquery válida.

Los comentarios en XQuery están limitados entre caras sonrientes, es decir: (: Esto es un comentario XQuery :).

En un documento XQuery los caracteres { } delimitan las expresiones que son evaluadas para crear un documento nuevo.

XQuery admite expresiones condicionales del tipo if-then-else con la misma semántica que tienen en los lenguajes de programación habituales.

Las consultas XQuery pueden estar formadas por hasta cinco tipos de cláusulas diferentes, siguen la norma FLWOR (que se pronuncia "flower"). Estas cláusulas son los bloques principales del XQuery, equivalen a las cláusulas select, from, where, group by, having, order by y limit de SQL.

En una sentencia FLWOR al menos ha de existir una cláusula FOR o una LET, el resto, si existen, han de respetar escrupulosamente el orden dado por el nombre, FLWOR.
Con estas sentencias se consigue buena parte de la funcionalidad que diferencia a XQuery de XPath. Entre otras cosas permite construir el documento que será la salida de la sentencia.

Una consulta XQuery está formada por dos partes:

• Prólogo: Lugar donde se declaran los espacios de nombres, de funciones, variables, etc.
• Expresión: Consulta propiamente dicha.

Hemos visto el modo de crear sentencias FLOWR, vamos ahora a estudiar aisladamente cada una de las cláusulas que pueden formar estas sentencias.

• FOR: asocia una o más variables con cada nodo que encuentre en la colección de datos. Si en la consulta aparece más de una cláusula FOR (o más de una variable en una cláusula FOR), el resultado es el producto cartesiano de dichas variables.

• LET: vincula las variables al resultado de una expresión. Si esta cláusula aparece en una sentencia en la que ya hay al menos una cláusula FOR, los valores de la variable vinculada por la cláusula LET se añaden a cada una de las tuplas generadas por la cláusula FOR.

• WHERE: filtra tuplas producidas por las cláusulas FOR y LET, quedando solo aquellas que cumplen con la condición.

• ORDER BY: ordena las tuplas generadas por FOR y LET después de que han sido filtradas por la cláusula WHERE. Por defecto el orden es ascendiente, pero se puede usar el modificador descending para cambiar el sentido del orden.

• RETURN: construye el resultado de la expresión FLWOR para una tupla dada.

Vamos a ver algunos ejemplos de XQuery utilizando el fichero libros.xml. En este fichero:

• El elemento raíz es biblioteca. Contiene un elemento libros.
• Dentro de libros, hay varios elementos libro.
• Los elementos libro tienen atributos publicacion y edicion (opcional). También tienen elementos titulo, autor (puede haber más de uno), editorial, paginas y un elemento opcional para indicar si hay edición electrónica, edicionElectronica.

Ahora que conocemos las cláusulas que sustentan el lenguaje XQuery, vamos a ocuparnos de las funciones que soporta.
Estas son funciones matemáticas, de cadenas, para el tratamiento de expresiones regulares, comparaciones de fechas y horas, manipulación de nodos XML, manipulación de secuencias, comprobación y conversión de tipos y lógica booleana. Además permite definir funciones propias y funciones dependientes del entorno de ejecución del motor XQuery. Las funciones más importantes se muestran a continuación:

• Funciones numéricas
  • floor(), que devuelve el valor numérico inferior más próximo al dado.
  • ceiling(), que devuelve el valor numérico superior más próximo al dado.
  • round(), que redondea el valor dado al más próximo.
  • count(), determina el número de ítems en una colección.
  • min() o max(), devuelven respectivamente el mínimo y el máximo de los valores de los nodos dados.
  • avg(), calcula el valor medio de los valores dados.
  • sum(), calcula la suma total de una cantidad de ítems dados.

• Funciones de cadenas de texto
  • concat(), devuelve una cadena construida por la unión de dos cadenas dadas.
  • string-length(), devuelve la cantidad de caracteres que forman una cadena.
  • startswith(), ends-with(), determinan si una cadena dada comienza o termina, respectivamente, con otra cadena dada.
  • upper-case(), lower-case(), devuelve la cadena dada en mayúsculas o minúsculas respectivamente.

• Funciones de uso general
  • empty(), devuelve “true” cuando la secuencia dada no contiene ningún elemento.
  • exits(), devuelve “true” cuando una secuencia contiene, al menos, un elemento.
  • distinct-values(), extrae los valores de una secuencia de nodos y crea una nueva secuencia con valores únicos, eliminando los nodos duplicados.
  • data(), devuelve el valor de los elementos que recibe como argumentos, es decir, sin etiquetas.

• Cuantificadores existenciales:
  • some, every, permiten definir consultas que devuelven algún, o todos los elementos, que verifiquen la condición dada.

Ejemplo de la función data

Esta consulta devuelve todos los títulos, incluyendo las etiquetas:

for $x in doc("libros.xml")/biblioteca/libros/libro/titulo
return $x

El resultado con el fichero de ejemplo sería:

<titulo>Learning XML</titulo>
<titulo>XML Imprescindible</titulo>
<titulo>XML Schema</titulo>
<titulo>XPath Essentials</titulo>
<titulo>Beginning XSLT 2.0: Form Novice to Professional</titulo>
<titulo>XQuery</titulo>

Utilizando la función data:

for $x in doc("libros.xml")/biblioteca/libros/libro/titulo
return data($x)

...se obtiene:

Learning XML
XML Imprescindible
XML Schema
XPath Essentials
Beginning XSLT 2.0: Form Novice to Professional
XQuery

Además de estas funciones que están definidas en el lenguaje, XQuery permite al desarrollador construir sus propias funciones:

declare nombre_funcion($param1 as tipo_dato1, $param2 as tipo_dato2,… $paramN as tipo_datoN)
as tipo_dato_devuelto
{
...CÓDIGO DE LA FUNCIÓN...
}