可扩展标记语言

可扩展标记语言

因业务需要，“中科永联”正式更名为“中程在线”，欢迎大家浏览新网站“中程在线信息产业培训网”

中科永联高级技术培训中心（www.itisedu.com）

      XML是Extensible Markup Language的缩写，即可扩展标记语言。是一种您可以用来创建自己的标记的标记语言。它由万维网协会（W3C）创建，用来克服 HTML（即超文本标记语言（Hypertext Markup Language），它是所有网页的基础）的局限。和 HTML 一样，XML 基于 SGML ― 标准通用标记语言（Standard Generalized Markup Language）。尽管 SGML 已在出版业使用了数十年，但其理解方面的复杂性使许多本打算使用它的人望而却步（SGML 也代表“听起来很棒，但或许以后会用（Sounds great, maybe later）”）。XML 是为 Web 设计的。

　　XML实际上是Web上表示结构化信息的一种标准文本格式，它没有复杂的语法和包罗万象的数据定义。XML同HTML一样，都来自SGML(标准通用标记语言)。SGML是一种在Web发明之前就早已存在的用标记来描述文档资料的通用语言。但SGML十分庞大且难于学习和使用。鉴于此，人们提出了HTML语言。但近年来，随着Web应用的不断深入，HTML在需求广泛的应用中已显得捉襟见肘，有人建议直接使用SGML作为Web语言。但SGML太庞大了，学用两难尚且不说，就是全面实现SGML的浏览器也非常困难。于是Web标准化组织W3C建议使用一种精简的SGML版本——XML。XML与SGML一样，是一个用来定义其他语言的元语言。与SGML相比，XML规范不到SGML规范的1/10，简单易懂，是一门既无标签集也无语法的新一代标记语言。

XML的先进特性

　　XML继承了SGML的许多特性，首先是可扩展性。XML允许使用者创建和使用他们自己的标记而不是HTML的有限词汇表。这一点至关重要，企业可以用XML为电子商务和供应链集成等应用定义自己的标记语言，甚至特定行业一起来定义该领域的特殊标记语言，作为该领域信息共享与数据交换的基础。

　　其次是灵活性。HTML很难进一步发展，就是因为它是格式、超文本和图形用户界面语义的混合，要同时发展这些混合在一起的功能是很困难的。而XML提供了一种结构化的数据表示方式，使得用户界面分离于结构化数据。所以，Web用户所追求的许多先进功能在XML环境下更容易实现。

　　第三是自描述性。XML文档通常包含一个文档类型声明，因而XML文档是自描述的。不仅人能读懂XML文档，计算机也能处理。XML表示数据的方式真正做到了独立于应用系统，并且数据能够重用。XML文档被看作是文档的数据库化和数据的文档化。

　　除了上述先进特性以外，XML还具有简明性。它只有SGML约20%的复杂性，但却具有SGML功能的约80%。XML比完整的SGML简单得多，易学、易用并且易实现。另外，XML也吸收了人们多年来在Web上使用HTML的经验。XML支持世界上几乎所有的主要语言，并且不同语言的文本可以在同一文档中混合使用，应用XML的软件能处理这些语言的任何组合。所有这一切将使XML成为数据表示的一个开放标准，这种数据表示独立于机器平台、供应商以及编程语言。它将为网络计算注入新的活力，并为信息技术带来新的机遇。目前，许多大公司和开发人员已经开始使用XML，包括B2B在内的许多优秀应用已经证实了XML将会改变今后创建应用程序的方式。

　　从1998年开始, XML 被引入许多网络协议，以便于为二个软件提供相互通信的标准方法。简单对象访问协议(SOAP)和 XML- RPC规范为软件交互提供了独立于平台的方式，从而为分布式计算环境打开了大门。几乎所有主要的软件厂商都支持SOAP。SOAP的快速成功史无前例地提高了软件的互操作潜力。当今，Web服务革命正在兴起，而SOAP正是其基础协议。

我们为什么需要 XML？

　　HTML 始终是最成功的标记语言。您几乎可以在任何设备（从掌上电脑到大型机）上查看最简单的 HTML 标记，并且您甚至可以用合适的工具将 HTML 标记转换成语音和其它格式。既然 HTML 成功了，为什么 W3C 还要创建 XML 呢？为了回答这个问题，请查看下面这个文档：

Mrs. Mary McGoon

1401 Main Street

Anytown, NC 34829

　　HTML 的问题在于它是为人设计的。即使不用浏览器查看上面的 HTML 文档，您和我也会知道那是某个人的邮政地址。（具体而言，它是美国某个人的邮政地址；即使您一点也不熟悉美国邮政地址的格式，您可能也会猜出这表示什么。）作为人，您和我具有理解大多数文档的含义和意图的智慧。遗憾的是机器不能做到。尽管这个文档中的标记告诉浏览器如何显示该信息，但标记没有告诉浏览器信息是什么。您和我知道它是一个地址，但机器不知道。

      显示 HTML 

　　要显示 HTML，浏览器只需遵循 HTML 文档中的指令即可。段标记告诉浏览器在新的一行显示，并且通常在前面有一个空行，而两个换行标记则告诉浏览器前进到下一行，并且行之间没有空行。尽管浏览器出色地将文档格式化，但机器仍不知道这是地址。

      处理 HTML 

　　为了完成对样本 HTML 文档的讨论，请考虑从该地址抽取邮政编码的任务。下面是一个在 HTML 标记中查找邮政编码的算法（我有意使用脆弱的算法），如果您找到有两个 标记的段落，那么邮政编码就是第二个换行标记下面第一个逗号之后的第二个词。

　　尽管该算法对于这个示例起作用，但对于全世界许多完全有效的地址，该算法根本不起作用。即使您可以编写算法来找出任何用 HTML 编写的地址的邮政编码，但许多具有两个换行标记的段落根本不包含地址。即便有可能编写算法来查看任意 HTML 段落并找出其中的任意邮政编码，也是极其困难的。

      样本 XML 文档 

　　现在让我们来看一个样本 XML 文档。使用 XML，您可以给文档中的标记赋予某种含意。更重要的是，机器也容易处理这样的信息。您只需通过找到 和 标记之间的内容（技术上称为 元素），就可以从该文档抽取邮政编码。                Mary               McGoon             1401 Main Street     Anytown   NC       34829   　　标记、元素和属性  有三个通用术语用来描述 XML 文档的组成部分：标记、元素和属性。下面的样本文档说明了这些术语：                Mary               McGoon             1401 Main Street     Anytown       34829             　　标记是左尖括号（<）和右尖括号（>）之间的文本。有开始标记（例如 ）和结束标记（例如 ） 元素是开始标记、结束标记以及位于二者之间的所有内容。在上面的样本中， 元素包含三个子元素