最后更新: 2025年3月25日

标题 - 什么是 XML：全面指南

什么是 XML？

XML（可扩展标记语言） 是一种用于存储、传输和重建数据的标记语言和文件格式。它提供了一种结构化的方法来编码信息，使其既可被人类读取，也可被机器读取。

XML 的主要特性

1. 由开放标准定义

  • 由 万维网联盟（W3C） 于1998年根据 XML 1.0规范 建立。
  • 遵循严格的规则以保证数据结构化且易于解释。

2. 设计目标

  • XML 的设计着重于在不同平台上的简洁性、普遍性和可用性。
  • 采用基于文本的格式，便于阅读和编辑。

3. 支持 Unicode

  • XML 支持 Unicode，允许存储和处理多语言文本。

4. 适用性

  • 最初为文档创建，现在 XML 被广泛用于各个领域的数据表示，包括网络服务、API 和配置文件。

5. 模式和 API

  • XML 结构可以使用文档类型定义（DTD）、 XML 架构（XSD） 或 Relax NG 来定义。
  • 各种 API，如 DOM（文档对象模型） 和 SAX（简单 API for XML），支持 XML 处理。

6. XML 的常见用途

  • 不同系统之间的数据交换（如网络服务、API）。
  • 软件应用中的配置文件。
  • 存储结构化信息（如 RSS 提要、SVG 图形、文档格式如 DOCX）。
  • 网络开发（如 XHTML、SOAP、基于 AJAX 的应用）。

XML 概述

1. XML 的主要目的：序列化

在 XML 中，序列化意味着：

  • 以结构化格式存储数据。
  • 在不同系统之间传输数据。
  • 以可用形式重建数据。

当两个系统需要交换信息时，XML 提供了一种标准化的文件格式以实现互操作性。它充当结构化数据交换的**“通用语言”**。

2. 作为标记语言的 XML

XML 是一种标记语言，这意味着它：

  • 用标签标记数据以确保清晰结构。
  • 以分层方式组织信息。
  • 用元数据分类数据。

示例：

<book>
    <title>XML Basics</title>
    <author>John Doe</author>
</book>

这里，<book>、<title> 和 <author> 是定义数据元素的标签。

3. XML 架构（XSD）和验证

XML 架构（XSD） 定义 XML 文档的结构规则。

XML 文档可以是：

  • 格式良好 → 遵循基本语法规则（正确的嵌套、正确的标签关闭）。
  • 有效 → 符合模式规则（必需元素、正确的数据类型）。

XSD 规则示例：

<xs:element name="title" type="xs:string"/>

这确保 <title> 必须包含字符串值。

4. XML 媒体类型（RFC 7303）

IETF RFC 7303 定义了用于数据传输的 XML 媒体类型：

  • application/xml → 标准 XML 数据。
  • application/xml-external-parsed-entity → 解析后的 XML 实体。
  • application/xml-dtd → XML DTD 文档。

对于基于 XML 的格式，使用 +xml 后缀（例如，image/svg+xml 用于 SVG 图像）。

5. 网络应用中的 XML（RFC 3470 / IETF BCP 70）

IETF BCP 70（RFC 3470） 概述了在基于网络的应用中使用 XML 的最佳实践，确保系统间的无缝数据互操作性。

1. XML 的应用

XML 是一种为互联网数据交换设计的灵活标记语言。其语法影响了众多文档格式和通信协议，使其在许多行业中成为基础技术。

常见基于 XML 的格式:

  • 网络提要: RSS、Atom
  • 办公文档: Office Open XML、OpenDocument
  • 图形和3D模型: SVG、COLLADA
  • 网络技术: XHTML
  • 数据交换协议: SOAP、XMPP
  • AJAX: 使用 XML 进行异步数据交换

使用 XML 的行业标准:

  • 医疗保健: HL7（Health Level 7）
  • 旅游行业: OpenTravel Alliance
  • 金融: FpML（金融产品标记语言）
  • 房地产和抵押: MISMO
  • 政府数据交换: 国家信息交换模型

XML 在科学中的应用:

在气象学中，XML 被用于 IWXXM 标准下的操作性天气数据表示。类似地，Darwin Information Typing Architecture（DITA） 是一种广泛应用于出版的 XML 标准。

2. XML 中的关键术语

理解 XML 中的核心术语对于有效处理 XML 文档至关重要。

字符

XML 文档是 Unicode 字符的序列。XML 1.1 允许几乎所有的 Unicode 字符，除了严格禁止的 空字符（U+0000）。

处理器和应用程序

  • **XML 处理器（或解析器）**读取并分析 XML 标记。
  • 应用程序从处理器接收结构化数据并进行操作。

标记和内容

XML 将字符分为标记和内容：

  • 标记： 包括元素、属性和实体（如 <tag> 和 &amp;）。
  • 内容： 元素内部的实际数据。
  • CDATA 部分： 允许不作为标记解析的文本，封装在 <![CDATA[ ... ]]> 中。

标签和元素

  • 标签：用 < > 包围的标记结构。
    • <section>（开始标签）
    • </section>（结束标签）
    • <line-break />（空元素标签）
  • 元素：由标签定义的逻辑组件。
    • 示例： <greeting>Hello, world!</greeting>

属性

属性通过使用名称-值对为元素提供元数据。示例：

<img src="image.jpg" alt="Description" />
  • src="image.jpg" 和 alt="Description" 是 <img> 元素的属性。

3. XML 中的字符和转义

XML 中的有效 Unicode 字符

XML 文档仅允许特定的 Unicode 字符以确保正确解析。

XML 1.0 中允许的字符：

  • 控制字符：
    • U+0009（制表符）
    • U+000A（换行符）
    • U+000D（回车符）
  • 文本字符：
    • U+0020–U+D7FF
    • U+E000–U+FFFD
    • U+10000–U+10FFFF

XML 1.1 的增强：

  • 允许所有的 U+0001–U+001F 控制字符，但需要转义。
  • U+0000（空字符）仍然禁止使用。

4. XML 中的编码

常见的 XML 编码：

XML 支持 基于 Unicode 的编码，包括：

  • UTF-8（推荐的默认编码）
  • UTF-16（所有 XML 解析器必须支持）
  • ASCII、ISO-8859-X（旧编码）

XML 中的编码声明：

XML 头部可以指定编码：

<?xml version="1.0" encoding="UTF-8"?>
  • 如果未指定编码，则假定为 UTF-8。
  • UTF-16 需要 BOM（字节顺序标记） 以实现正确检测。

5. 在 XML 中转义特殊字符

由于 XML 语法保留某些字符，因此它们必须转义以避免冲突。

预定义的 XML 实体：

字符转义形式示例
< （小于号）&lt;I &lt;3 XML → I <3 XML
> （大于号）&gt;x &gt; y → x > y
& （和号）&amp;AT&amp;T → AT&T
' （单引号）&apos;"O&apos;Reilly" → O’Reilly
" （双引号）&quot;She said &quot;hello&quot; → She said “hello”

数字字符引用：

对于无法输入的特殊字符，使用数字引用：

  • 十进制：
    &#20013;  <!-- 中文字符 "中" -->
  • 十六进制：
    &#x4E2D;  <!-- 中文字符 "中" -->
  • 示例：
    <message>I &lt;3 J&#xF6;rg</message>
    呈现为： I <3 Jörg

处理二进制数据：

XML 不支持原始二进制数据。取而代之的是使用 Base64 编码。

6. XML 中的注释

XML 注释语法：

<!-- 这是一个有效的 XML 注释 -->

XML 注释规则：

  • 不能出现在 XML 声明之前。
  • 注释内部不能包含 --（双连字符）。
  • 实体引用在注释中被忽略。

示例：

<!-- 这是一个包含 < 和 & 符号的注释 -->

结论

XML 是实现结构化数据交换的关键技术，支持网络提要、办公文档、科学数据和行业标准。了解 XML 的关键术语、编码规则和转义机制 确保创建格式良好的 XML 文档，使其在不同系统中正常工作。

通过遵循字符编码和转义的最佳实践，开发人员可以避免解析错误并确保兼容性，从而在基于 XML 的应用程序中取得成功。