XML 语法规则

本章定位 ：掌握 XML 的五项铁律语法规则——违反任何一条都会导致 XML 解析器报 fatal error 并拒绝处理整个文档。这是 XML 与 HTML 最大的行为差异。

定义与作用

XML 的语法规则是其最核心的约束。与 HTML 的"尽力渲染"策略不同，XML 采用"要么全对，要么全错"的严格策略——任何语法错误都会导致解析器立即停止并报 fatal error 。这种设计哲学源于 XML 的第一个设计目标："处理 XML 的程序应易于编写"——严格的语法让解析器无需处理各种容错分支，代码更简单可靠。

这套语法规则的另一个重要作用是 保证数据完整性 。在系统间传输数据时，如果接收方收到的 XML 格式良好，就可以放心解析；如果格式有误，就会明确报错而非默默吞掉数据。

核心原理：XML 解析器的处理流程

图解释 ：XML 解析器按顺序检查五项规则。任何一项失败都直接报 fatal error。这与 HTML 浏览器的容错机制形成鲜明对比——HTML 即使嵌套错误也试图渲染，XML 直接拒绝处理。

语法/结构要点

五项核心语法规则

序号	规则	正确示例	错误示例
1	所有元素必须有关闭标签	`<p>文本</p>` 或 `<br/>`	`<p>文本`
2	标签大小写敏感	`<Note>`...`</Note>`	`<Note>`...`</note>`
3	元素必须正确嵌套	`<b><i>文本</i></b>`	`<b><i>文本</b></i>`
4	属性值必须加引号	`<note date="2024/01/01">`	`<note date=2024/01/01>`
5	必须有且只有一个根元素	`<root>...</root>` 包裹所有	两个顶层元素并排

5 个预定义实体引用

XML 中 < 和 & 是保留字符，必须用实体引用转义：

字符	实体引用	说明
`<`	`<`	小于号（less than）
`>`	`>`	大于号（greater than）
`&`	`&`	与符号（ampersand）
`'`	`'`	单引号（apostrophe）
`"`	`"`	双引号（quotation）

CDATA 段

当文本包含大量特殊字符（如代码片段），逐个转义很繁琐。<![CDATA[...]]> 内的文本被解析器 原样保留 ：

<code>
<![CDATA[
if (a < b && b > c) {
    System.out.println("a < b < c is false");
}
]]>
</code>

CDATA 段的规则：

不能包含 ]]>（这表示 CDATA 结束）
不能嵌套 CDATA 段
CDATA 内的 < 不会被解析为 <——所有内容都是字面量

完整示例：小崔发现"幽灵数据"事件

场景说明

飞翔科技技术部的后端开发小崔最近接手了实习生写的一个 XML 配置文件。程序在服务器上运行时一切正常，但在他的开发机上解析报错。小崔百思不得其解——"同样的 XML 文件，为什么线上可以，本地不行？"

操作前：有问题的 XML

<?xml version="1.0" encoding="UTF-8"?>
<servers>
  <server id="web01">
    <name>乐途官网站点</name>
    <ip>192.168.1.100</ip>
    <port>8080</port>
  <server id="db01">
    <name>主数据库</name>
    <ip>192.168.1.200</ip>
    <port>3306</PORT>
  </server>
</servers>

问题分析 ：

第一个 <server> 没有关闭标签 （规则1）
第二个 <port> 标签为 </PORT>，大小写不匹配（规则2）

应用正确语法后

<?xml version="1.0" encoding="UTF-8"?>
<servers>
  <server id="web01">
    <name>乐途官网站点</name>
    <ip>192.168.1.100</ip>
    <port>8080</port>
  </server>
  <server id="db01">
    <name>主数据库</name>
    <ip>192.168.1.200</ip>
    <port>3306</port>
  </server>
</servers>

操作结果

当小崔改正了两处语法错误后，XML 解析顺利通过。后来他发现线上之所以"正常"，是因为运维大翔在部署前手动用 xmllint 检查并修复了文件——只是没把修复后的版本同步回开发仓库。这导致了一个典型的"线上正常、本地报错"的配置漂移问题。

小崔总结了两条教训：

XML 的严格语法是好事——如果语法错了但程序"正常"运行，那一定是程序在静默吞掉错误
配置文件必须纳入版本控制，不能靠人工"修完就用"

易错场景

错误一：在属性值中使用未转义的双引号

<!-- ❌ 属性值中的双引号会提前结束属性 -->
<book title="He said "Hello" to me">

<!-- ✅ 使用单引号包裹，或实体引用 -->
<book title='He said "Hello" to me'>
<book title="He said &quot;Hello&quot; to me">

错误二：注释中包含双连字符

<!-- ❌ 注释中不能包含 -- -->
<!-- 这是一个 -- 不好的注释 -->

<!-- ✅ 避免连续的两个短横线 -->
<!-- 这是一个正确的注释 -->

错误三：CDATA 段中误放 `]]>`

<!-- ❌ CDATA 结束符出现在内容中 -->
<script>
<![CDATA[
  if (str.endsWith("]]>")) { }  <!-- 解析器会在这里提前结束 CDATA -->
]]>
</script>

<!-- ✅ 拆分 CDATA 段 -->
<script>
<![CDATA[
  if (str.endsWith("]]") + ">") { }
]]>
</script>

面试考点

考点	参考答案要点
为什么 XML 采用 fatal error 而非容错策略？	XML 是数据交换格式而非显示格式——错误的数据比没有数据更危险。严格的语法让解析器实现简单（W3C 设计目标第4条），也让数据接收方可以信赖解析结果
什么时候用 CDATA 段，什么时候用实体引用？	少量特殊字符用实体引用（`<`），大段代码/脚本用 CDATA。CDATA 不能嵌套，内容不能含 `]]>`
XML 声明 `<?xml version="1.0" encoding="UTF-8"?>` 是必须的吗？	XML 1.0 中可选但强烈推荐；XML 1.1 中必需。encoding 默认 UTF-8。如果文档以 UTF-16 编码且没有声明，解析器可能无法正确识别