什么是 XML？

XML 是 eXtensible Markup Language（可扩展标记语言）的缩写。它是一种用于以人类可读、自描述格式存储和传输数据的标记语言。与 HTML 不同，XML 没有预定义标签——您可以自定义标签来描述数据的结构和含义。XML 是 W3C 标准，是无数文件格式和企业系统的基础。

历史

XML 由万维网联盟（W3C）的 XML 工作组开发，是 SGML（标准通用标记语言）的简化子集。它于 1998 年 2 月 10 日成为 W3C 推荐标准。2000 年代初，XML 是 Web 数据交换和 Web 服务（SOAP）的主流格式。尽管 JSON 已接管大多数 REST API，但 XML 在文档格式（DOCX、SVG、RSS）、企业中间件以及 Java Maven 等配置密集型生态系统中仍不可或缺。

基本语法

XML 文档以可选的声明开头，指定版本和字符编码。文档的其余部分是一棵元素树。每个元素都有一个开始标签、可选的内容或子元素以及一个结束标签。元素可以在开始标签中携带属性。

<?xml version="1.0" encoding="UTF-8"?>
<library>
  <book id="1" available="true">
    <title>Clean Code</title>
    <author>Robert C. Martin</author>
    <year>2008</year>
  </book>
  <book id="2" available="false">
    <title>The Pragmatic Programmer</title>
    <author>Andrew Hunt</author>
    <year>1999</year>
  </book>
</library>

核心概念

• 声明 — <?xml version="1.0" encoding="UTF-8"?> — 可选但推荐；指定 XML 版本和编码
• 元素 — 基本构建块。每个元素有一个开始标签 <tag> 和一个结束标签 </tag>。空元素可以自闭合：<br />
• 根元素 — 每个 XML 文档必须有且仅有一个根元素，包含所有其他元素
• 属性 — 开始标签中的名称-值对：<book id="1">
• 文本内容 — 元素开始标签和结束标签之间的文本
• 注释 — <!-- 这是注释 -->
• CDATA 节 — 包裹不应被解析的原始文本：<![CDATA[ <raw> content ]]>
• 命名空间 — 防止合并不同来源的 XML 时出现名称冲突：xmlns:ns="http://example.com"

格式良好与有效的 XML

当 XML 文档遵循所有语法规则时，它是格式良好的：有且仅有一个根元素、所有标签正确关闭和嵌套、属性加引号、特殊字符经过转义。任何 XML 解析器都可以处理格式良好的文档。

当文档符合模式（DTD 或 XSD）时，它也是有效的。模式定义了允许哪些元素和属性、它们的数据类型以及顺序。

特殊字符与实体

五个字符在 XML 中具有特殊含义，在文本内容或属性值中使用时必须转义：

• & — &（和号）
• < — <（小于号）
• > — >（大于号）
• " — "（双引号，在属性中）
• ' — '（单引号，在属性中）

常见使用场景

• 文档格式 — Microsoft Office（DOCX、XLSX、PPTX）、OpenDocument（ODT）、SVG 图像和 RSS/Atom 订阅均基于 XML
• 配置文件 — Java 的 Maven（pom.xml）、Android 布局、Spring Framework Bean、Ant 构建脚本
• Web 服务 — SOAP（简单对象访问协议）使用 XML 处理请求和响应消息
• 企业数据交换 — EDI、银行业、医疗（HL7 FHIR）和政府系统仍严重依赖 XML
• 站点地图与订阅 — 搜索引擎用 sitemap.xml，内容聚合用 RSS 订阅

XML 与 JSON 比较

JSON 已在大多数 REST API 中取代 XML，但 XML 在特定领域仍保持优势：

• JSON 的优势 — 语法更简洁、更易读、在 JavaScript 中有原生支持、解析更快、工具更简单
• XML 的优势 — 支持属性和混合内容、有命名空间、允许注释、有成熟的模式语言（XSD/DTD），并通过标签实现自描述

对于 Web API 和应用数据，选择 JSON。当需要以文档为中心的格式、模式、SOAP 服务或与强制要求 XML 的企业系统集成时，选择 XML。

注意事项

• XML 区分大小写 — <Book> 和 <book> 是不同的元素
• 每个开始标签必须有匹配的结束标签（或者自闭合）
• 元素必须正确嵌套 — 不允许交叉标签
• 属性值必须始终加引号（单引号或双引号）
• 只能有一个根元素
• 五个特殊字符（&、<、>、"、'）必须转义