XML 概述

本章定位 ：建立对 XML 的全局认知——它是什么、为什么存在、与 HTML 和 SGML 的关系，以及在真实世界中的典型应用场景。

定义与作用

XML （eXtensible Markup Language，可扩展标记语言）是 W3C 于 1998 年发布的一种 元标记语言 。与 HTML 使用预定义标签不同，XML 允许用户 自定义标签 来描述数据。它的核心使命不是"显示数据"，而是"描述、存储和传输数据"。

XML 是 SGML （Standard Generalized Markup Language，标准通用标记语言）的精简子集。SGML 极其复杂（ISO 8879 标准长达 500+ 页），XML 保留了 SGML 80% 的功能但去掉了 80% 的复杂性——使其既强大又易于实现。

万维网技术栈中 XML 的位置 ：

技术	作用	与 XML 的关系
HTML	定义网页内容的呈现方式	HTML 用预定义标签；XML 允许自定义标签
URL	统一资源定位	XML 数据可通过 URL 访问，常作为 Web Service 的数据格式
XML	数据的描述、存储和传输	万维网数据交换的通用语言

核心原理：XML 的设计目标与定位

W3C 十大设计目标

W3C 在 XML 1.0 规范中明确了十大设计目标，这十条原则至今仍是 XML 一切设计决策的出发点：

序号	设计目标	实践意义
1	XML 应可直接用于互联网	无需编译，文本格式，HTTP 友好
2	XML 应支持多种应用	从配置文件到 Web Service 到图形格式
3	XML 应与 SGML 兼容	现有 SGML 工具可迁移到 XML
4	处理 XML 的程序应易于编写	两周内即可写出一个 XML 解析器
5	可选功能应尽可能少	理想为零——减少互操作障碍
6	文档应具备可读性	人类可直接阅读和编辑 XML 文件
7	设计应快速完成	不追求完美，追求可用
8	设计应形式化、简洁	规范用 EBNF 严格定义
9	文档应易于创建	用记事本就能写 XML
10	标记的简洁性不太重要	宁可啰嗦也要保证清晰性

图解释 ：SGML 是 XML 和 HTML 的共同祖先。XML 继承了 SGML 的结构化能力但大幅简化；HTML 继承了 SGML 的标记思想但标签固定。XML 不是要替代 HTML——它们分工明确：HTML 负责呈现，XML 负责数据结构。

语法/结构要点

HTML vs XML 全方位对比

特性	HTML	XML
设计目的	显示数据，控制页面呈现	描述和传输数据
标签	预定义（`<p>`, `<h1>`, `<div>`）	完全自定义，用户创建标签
大小写	不敏感（`<P>` = `<p>`）	严格区分大小写
闭合要求	宽松（某些标签可不闭合）	所有标签必须闭合
属性值引号	可不加引号（部分情况）	必须加引号
空白处理	多个空白合并为一个	保留所有空白字符
错误容忍	浏览器尽量渲染	语法错误导致无法解析
关注点	数据的外观	数据的含义和结构

XML 典型应用场景

场景	说明	实例
数据传输	不同系统间的数据交换格式	Web Service（SOAP）、AJAX 响应
配置文件	软件和框架的配置存储	web.xml、pom.xml、AndroidManifest.xml
数据存储	小型数据库或数据持久化	RSS Feed、书籍目录
文档标记	结构化文档格式	XHTML、DOCX（Office Open XML）
图形格式	矢量图形描述	SVG（可缩放矢量图形）

完整示例：飞翔科技公司技术选型会议

场景说明

广州飞翔科技公司的 CTO 大翔召集技术骨干讨论新项目的技术选型。后端开发小崔主张使用 JSON 作为数据交换格式，而架构师白歌认为 XML 更适合这个跨系统集成的项目。白歌通过一个"学生选课数据"的例子，展示了 XML 相比纯文本或 CSV 的优势。

操作前：用纯文本和 CSV 存储学生选课数据

纯文本方式 （无结构，难以程序处理）：

学生:小崔,学号:2024001,课程:XML技术,教师:白歌,学分:3
学生:黄俪,学号:2024002,课程:Java高级,教师:大翔,学分:4

CSV方式 （无语义层次）：

姓名,学号,课程,教师,学分
小崔,2024001,XML技术,白歌,3
黄俪,2024002,Java高级,大翔,4

问题：如果一门课有多个学生或一个学生选多门课，CSV 会变得难以处理。

应用 XML 后

<?xml version="1.0" encoding="UTF-8"?>
<enrollment_system>
  <course id="CS301" name="XML技术" credits="3">
    <instructor>
      <name>白歌</name>
      <email>baige@learnto.cn</email>
    </instructor>
    <students>
      <student id="2024001">
        <name>小崔</name>
        <major>计算机科学</major>
        <enroll_date>2024-09-01</enroll_date>
      </student>
      <student id="2024002">
        <name>黄俪</name>
        <major>软件工程</major>
        <enroll_date>2024-09-01</enroll_date>
      </student>
    </students>
  </course>
  <course id="CS402" name="Java高级" credits="4">
    <instructor>
      <name>大翔</name>
      <email>daxiang@learnto.cn</email>
    </instructor>
    <students>
      <student id="2024002">
        <name>黄俪</name>
        <major>软件工程</major>
        <enroll_date>2024-09-01</enroll_date>
      </student>
    </students>
  </course>
</enrollment_system>

操作结果

XML 方案的优势立刻显现：

层次清晰 ：课程→教师→学生，嵌套关系一目了然
自描述 ：标签名（<course>, <instructor>, <student>）本身就是文档
可扩展 ：任何时候可以添加新字段（如 <grade>, <classroom>）而不影响现有结构
可验证 ：可以通过 DTD/XSD 自动校验数据完整性

白歌总结："XML 的核心价值不是语法本身，而是它提供了一套完整的技术生态——你可以用 DTD/XSD 验证结构，用 XPath 查询节点，用 XSLT 转换格式。这是 JSON 目前还做不到的。"

易错场景

错误一：混淆 XML 和 HTML 的容错机制

<!-- ❌ HTML 思维 —— 这在 XML 中会导致 fatal error -->
<note>
  <to>Alice
  <from>Bob</FROM>
  <body>Don't forget the meeting!</body>
</note>

问题：<to> 未闭合、<FROM> 大小写不匹配。HTML 浏览器会尽力渲染，XML 解析器直接报错。

<!-- ✅ 正确 -->
<note>
  <to>Alice</to>
  <from>Bob</from>
  <body>Don't forget the meeting!</body>
</note>

考点	参考答案要点
XML 和 HTML 的本质区别是什么？	HTML 是预定义标签的标记语言，用于显示数据；XML 是元标记语言，允许自定义标签，用于描述和传输数据。HTML 容错，XML 严格（语法错误即 fatal error）
为什么说 XML 是"元标记语言"？	因为 XML 不预定义任何标签，而是提供一套创建标签的规则。你可以用 XML 定义自己的标记语言（如 RSS、SVG 都是基于 XML 的特定标记语言）
XML 的十大设计目标中，哪一条对你的项目影响最大？	第4条（易于编写处理程序）和第5条（可选功能最少）——保证了 XML 的广泛工具支持和低学习曲线
XML 和 JSON 各适合什么场景？	XML：需要 Schema 验证、复杂命名空间、文档标记、企业级集成的场景。JSON：轻量级 Web API、前端数据交互、NoSQL 数据库存储