XML入门问答

什么是置标语言？

平时我们写文章用的语言，叫书面自然语言。如果我们在里面加了一些标记，比如为了强调某句话，就在下面画条线，那这种带标记的语言，就是置标语言（Markup Language）。不过，这里要聊的置标语言，是专门给计算机看的——它的标记通常用文字或数字来表示，含义清晰。做法也很简单：先定义一套有特定含义的标记，然后把这些标记加到书面语言里，就成了置标语言。

举个例子，为了让计算机知道一段文字里，哪部分是标题、哪部分是作者、哪部分是正文，我们可以定义这样一套标记：<标题>、；<作者>、；<正文>、。然后，把上面那段文字改写成置标语言，就成了：

<标题>什么是置标语言？

<作者>xml.net.cn

<正文>我们日常书写的语言，被称为书面自然语言。… …

置标语言和那些控制流编程语言不一样，它更像是一种描述文档结构的数据流语言。在计算机处理时，这些标记既可以当作数据，也可以当作控制指令来用。

在编程世界里，习惯把一种语言的定义整体称为“某某程序设计语言”，而把用这种语言写的文字叫做“某某语言程序”。套用这个习惯，我们可以把置标语言的定义整体称为“某某置标语言”，而把用这种置标语言写的文字段落，叫做“某某语言文档”。比如，如果我们把上面那套标记命名为“文章置标语言”，那么下面那段带标记的文字，就是“文章置标语言文档”。

什么是SGML?

从字面上看，SGML（Standard Generalized Markup Language —— 标准的通用置标语言）是一种置标语言，但它其实是一种通用的文档结构描述语言，主要用来定义文献模型的逻辑和物理结构。SGML是ISO组织在1986年发布的ISO 8879国际标准。

一个SGML语言程序，由三部分组成：语法定义、文件类型定义（简称DTD）和文件实例。语法定义规定了DTD和文件实例的语法结构；DTD定义了文件实例的结构以及组成结构的元素类型；文件实例则是SGML语言程序的主体部分。

在实际使用中，每一个特定的DTD都定义了一类文件。比如，所有新闻稿件都可以用同一个DTD。所以，人们习惯把拥有特定DTD的SGML语言称为某某置标语言，比如HTML。这样一来，SGML就成了那些派生语言的元语言。

什么是XML?

XML是eXtensible Markup Language（可扩展的置标语言）的缩写，由W3C组织在1998年2月发布。W3C制定XML标准的初衷，是定义一种在互联网上交换数据的标准。做法是简化SGML：去掉语法定义部分，适当简化DTD，并增加一些互联网特有的成分。所以，XML也是一种置标语言，基本上是SGML的一个子集。因为XML也有DTD，所以它也可以作为派生其他置标语言的元语言。

什么是HTML?

HTML是Hypertext Markup Language（超文本置标语言）的缩写，它是SGML的一个实例，也是W3C发布的标准，专门用于在互联网上发布信息。

XML、SGML、HTML之间是什么关系?

HTML是SGML的一个实例，它的DTD是固定的标准，所以HTML不能作为定义其他置标语言的元语言。XML是SGML的一个子集，严格来说，XML也还是SGML。和HTML不同，XML有DTD，所以可以像SGML一样作为元语言，用来定义其他文件系统或置标语言。如果把置标语言分为元置标语言和实例置标语言，那么SGML和XML都是元置标语言，而HTML以及由XML派生的XHTML都是实例置标语言。

XML的用途是什么?

在互联网上，服务器之间、服务器与浏览器之间需要大量数据交换，尤其是电子商务。这些数据需要说明内容和表现方式，用置标语言来干这事再合适不过。SGML完全可以胜任，但SGML对互联网来说太复杂了。所以，我们需要一种既能像SGML那样作为元语言，又相对简单的置标语言——XML就这样诞生了。因此，XML在互联网上的用途主要有两个：一是作为元置标语言，定义各种实例置标语言标准；二是作为标准交换语言，描述交换的数据。

HTML已经这样流行了，为什么还要发展XML?

简单来说，HTML做不了XML要做的事。因为XML的任务必须由元置标语言完成，而HTML只是一个实例置标语言。在XML出现前，互联网的发展被HTML的以下几个问题束缚着：

1）HTML无法描述数据内容，而这恰恰是数据检索、电子商务所必需的。

2）HTML对数据表现的描述能力很有限，比如无法描述矢量图形、科学符号等，只能通过图片来表现。

3）HTML作为实例置标语言，完全无法适应新标记需求的发展。

XML的出现，正好解决了这些问题。

XML怎样简化SGML？

为了简化SGML，XML重新定义了一些内部值和参数，删掉了很多繁杂、不常用、让编程变复杂的特征。具体细节可以参考W3C的相关文档。

用XML你能定义自己的文件类型（DTD）吗?

答案是肯定的，这也是XML与HTML最大的区别之一。

谁对XML负责?

XML是W3C的一个项目，规格说明书由W3C的XML工作组制定。这个工作组成员来自各个领域和公司，通过电子邮件交流信息，不断修改和完善。XML是集体智慧的结晶，不是某个公司的专利。1.0版规格说明书在1998年2月10日由W3C正式推荐使用。

为什么XML如此重要?

试想一下，如果互联网世界里大家都讲方言，交换信息时都得翻译，那得多麻烦。XML之所以重要，正是因为它扮演了“国际语言”的角色。而且，它还为互联网世界提供了定义各行各业“专业术语”的工具。

什么是文档类型定义（DTD）?

文档类型定义（DTD）是一套关于标记符的语法规则。它告诉你文档里可以用哪些标记符，它们按什么顺序出现，哪些标记符可以出现在其他标记符里面，哪些标记符有属性，等等。DTD原本是为SGML开发的，它可以是XML文档的一部分，但通常是一份单独的文档或一系列文档。XML本身没有通用的DTD，需要数据交换的行业或组织可以定义自己的DTD。

如何在浏览器中阅读XML?

阅读XML文档的工具一般叫XML解析器，也叫XML处理器。XML处理器把数据传给应用软件，让软件去处理、出版、查询或显示。XML本身不提供应用程序接口（API），只是把数据传过去。XML处理器不会解析不符合规范的数据。Netscape和Microsoft都已经把XML解析器集成到浏览器中。还有一些免费的XML阅读器和解析器，可以在应用软件或XML制作软件中使用。

使用问题

如何得到XML浏览器？

XML标准发布不久，很多软件还在试验阶段。处理HTML的浏览器有很多，但将来会涌现大量不同领域的XML应用程序，所以别指望有一个浏览器能100%处理所有程序。

XML的工具（比如解析器、树结构管理、搜索、格式化等）会被加到浏览器的库或工具包里，帮助开发人员更容易编写XML程序。这类应用程序可以通过增加语义来适应特定领域，或者用Ja va等语言为浏览器开发插件，在Web上传输模块。

Microsoft的IE4和5浏览器可以处理一些Microsoft-oriented的XML程序，但显示时需要转换为HTML。Arbortext的XML Stylesheet程序介绍了如何使用XML+XSL。你还需要ActiveX控件和XSL codebase。Microsoft建议可以在HTML文件中加入XML段，因为只支持HTML的浏览器会忽略不认识的标识元素。

Netscape（Mozilla）浏览器已经通过了一个XML+RDF测试，使用了James Clark的expat XML解析器。

为什么要使用XML而不是HTML?

比较重要的原因有以下六条：

1）作者和供应商能用XML设计自己的文档类型，不必被HTML束缚。

2）XML的超文本链接能力比HTML强得多，提供的信息内容更丰富，也更易用。

3）XML能提供更多更好的机制，方便浏览器的信息表现和性能优化。

4）XML舍弃了SGML的复杂性，编写处理XML的应用程序更容易。

5）信息易于存储，可重复使用。

6）XML文件在SGML环境中也可使用，不局限于Web。

必须从SGML或HTML转向XML吗？

不需要。现有的SGML和HTML应用软件会继续和现有文件一起工作。但如果你想查看或下载XML文件，就需要使用能理解、处理XML的程序。

可以用Ja va创建和管理XML文件吗？

是的，任何程序设计语言都能用来从XML源文档中输出数据。已经有很多前端和后端工具让程序设计和数据管理更方便。你可以在一些技术网站上找到更详细的说明。

开发问题

XML的规格说明书在哪里?

在W3C官网上就可以找到。

“DTDless”、“valid”和“well-formed”等术语的含意是什么?

在标准SGML文档中，所有用到的标记、元素、元素的属性都必须由DTD来说明。但XML并不总是需要DTD，所以XML文档可以带DTD，也可以不带。DTDless的意思就是没有DTD的XML文件，你可以创建自己的标识和元素，但不用在DTD中正式定义。DTDless文件通过创建元素时直接定义它们。不过，当XML应用程序（比如浏览器）遇到DTDless文件时，因为没有DTD告诉它文件的结构，所以创建DTDless文档时仍需要一些规则来规范。于是，“well-formed”XML文档的概念就产生了，它规定了书写XML文档的语法规范。所有符合这个规范的XML文档就是“well-formed”的。如果一个“well-formed”的XML文档还包含了DTD，那它就是一个“valid”的XML文档。

为什么XML文件的分析结果出现乱码?

这是编码问题引起的。XML标准规定，XML解析器必须支持UTF-8和UTF-16编码，并且能自动区分这两种编码。对于其他编码（比如中文的GB2312或BIG5）并不要求支持。如果XML文件里有编码声明，解析器就按声明处理；否则就按识别结果（总是UTF-8或UTF-16之一）。所以，如果文件编码不是这两种，你必须在文件前面加上编码声明，比如，表示文件编码是GB2312。

现有的XML解析器大多不支持中文编码，因此无法读取包含中文的XML文件。你可以使用支持中文编码的解析器，比如MSXML、IBMJA VA4C、IBMJA VA4J等。也可以用内码转换工具，把编码转换成UTF-8或UTF-16后再解析，然后再把结果转回原编码。你甚至自己写一个内码转换程序也完全可以。

关于UTF-8和UTF-16编码的详细信息，可以在相关标准文档中找到。

XML如何与数据库连接?

XML是一种文件格式，它没有规定与数据库的连接方法。你需要用传统的方法连接数据库，进行查询，然后把结果转成XML格式。现在有些工具提供了这样的流程，基本步骤都差不多。下面是一个用ASP直接生成XML文件的例子，你可以参考一下（代码略）。

（注：代码示例中包含了ASP代码，用于从数据库查询并生成XML。由于涉及具体实现，保留原样。）