4.XML 응용 분 류 는 전체적으로 말 하면 XML 의 응용 은 네 가지 로 나 눌 수 있다.(1)고객 이 서로 다른 데이터 소스 와 상호작용 을 해 야 할 때 응용 된다.데 이 터 는 서로 다른 데이터베이스 에서 나 올 수 있 으 며,그들 은 모두 각자 다른 복잡 한 형식 을 가지 고 있다.그러나 고객 과 이 데이터 베 이 스 는 하나의 표준 언어 로 만 상호작용 을 하 는데 그것 이 바로 XML 이다.XML 의 사용자 정의 성과 확장 성 으로 인해 다양한 유형의 데 이 터 를 표현 할 수 있 습 니 다.고객 이 데 이 터 를 받 은 후에 처리 할 수도 있 고 서로 다른 데이터 베이스 에서 전달 할 수도 있다.한 마디 로 하면 이런 응용 에서 XML 은 데이터 의 통일 인터페이스 문 제 를 해결 했다.그러나 다른 데이터 전달 기준 과 달리 XML 은 데이터 파일 에 데이터 가 나타 나 는 구체 적 인 규범 을 정의 하지 않 고 데이터 에 tag 를 추가 하여 데이터 의 논리 적 구조 와 의 미 를 표현 한다.이것 은 XML 을 프로그램 이 자동 으로 이해 할 수 있 는 규범 으로 만 들 었 다.(2)대량의 연산 부 하 를 클 라 이언 트 에 분포 하 는 데 사용 된다.즉,고객 은 자신의 수요 에 따라 서로 다른 응용 프로그램 을 선택 하고 제작 하여 데 이 터 를 처리 할 수 있 으 며 서버 는 같은 XML 파일 만 보 내야 한다.상기 사례 를 보면 전통 적 인'고객/서버'작업 방식 에 따라 고객 이 서버 에 서로 다른 요 구 를 하고 서버 가 각각 응답 한다.이것 은 서버 자체 의 부 하 를 가중 시 킬 뿐만 아니 라 네트워크 관리 자 는 각종 서로 다른 사용자 의 수 요 를 미리 조사 하여 해당 하 는 서로 다른 프로그램 을 만들어 야 한다.그러나 사용자 의 수요 가 복잡 하고 변화 가 많다 면모든 업무 논 리 를 서버 측 에 집중 하 는 것 은 적절 하지 않다.서버 측의 프로그래머 들 이 많은 응용 수 요 를 만족 시 키 지 못 할 수도 있 고 수요 의 변 화 를 따라 가지 못 할 수도 있 기 때문에 쌍방 은 수 동적 이다.XML 을 사용 하면 데 이 터 를 처리 하 는 주동 권 을 고객 에 게 맡 겼 습 니 다.서버 가 하 는 일 은 가능 한 한 완벽 하고 정확하게 데 이 터 를 XML 파일 에 밀봉 하 는 것 입 니 다.바로 각자 필요 한 것 을 취하 고 각자 의 직무 를 수행 하 는 것 입 니 다.XML 의 자체 해석 성 은 클 라 이언 트 로 하여 금 데 이 터 를 받 는 동시에 데이터 의 논리 적 구조 와 의 미 를 이해 하 게 하여 광범 위 하고 통용 되 는 분포 식 계산 을 가능 하 게 한다.(3)같은 데 이 터 를 다른 모습 으로 다른 사용자 에 게 보 여 주 는 데 활용 한다.이 응용 도 상례 에서 나타 날 수 있다.그것 은 또 같은 극본 과 유사 하지만 우 리 는 드라마,영화,연극,애니메이션 등 서로 다른 형식 으로 표현 할 수 있다.이 응용 은 인터넷 사용자 인터페이스의 개성화,풍격 화 발전 에 길 을 닦 을 것 이다.(4)인터넷 에이전트 에 응용 하여 얻 은 정 보 를 편집 하고 증감 하여 개인 사용자 의 수요 에 적응 하도록 한다.일부 고객 들 이 데 이 터 를 얻 는 것 은 직접 사용 하기 위 한 것 이 아니 라 수요 에 따라 자신의 데이터 베 이 스 를 조직 하기 위 한 것 이다.예 를 들 어 교육 부 는 방대 한 문제 집 을 만 들 고 시험 을 볼 때 문제 집 안의 문 제 를 몇 개의 구성 시험 지 를 꺼 내 XML 파일 에 밀봉 한 다음 에 가장 하 이 라이트 부분 이다.각 학교 에서 필 터 를 통과 시 켜 모든 답 을 거 르 고 각 수험생 앞 에 보 내 고 여과 되 지 않 은 내용 은 선생님 께 직접 보 낼 수 있다.물론 시험 이 끝 난 후에 도 답안 집 을 한 부 더 전송 할 수 있다.그 밖 에 XML 파일 에는 난이도 계수,예년 오류 율 등 다른 관련 정보 도 포함 되 어 있 습 니 다.그러면 몇 개의 작은 프로그램 만 있 으 면 같은 XML 파일 은 여러 개의 파일 로 서로 다른 사용자 에 게 전송 할 수 있 습 니 다.
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
