1.1 XML是什么：一份被标记的文档

1.1 XML 是什么：一份被标记的文档

XML（Extensible Markup Language，可扩展标记语言）是一种用自定义标签描述数据结构的文本格式，1998 年由 W3C 定为推荐标准。它不做显示，只做描述——这是它与 HTML 最根本的分界线。本节把一份真实文档放上解剖台，认识标签、元素、属性与文本内容。

一、从一个真实场景说起

某图书电商要与供应商系统对接，供应商发来的存货数据长这样：

<?xml version="1.0" encoding="UTF-8"?>
<inventory>
  <!-- 供应商编号：S-1024，每日报送一次 -->
  <supplier id="S-1024">华东书源</supplier>
  <book sku="978-7-111-40701-0">
    <title>算法导论</title>
    <stock>42</stock>
    <price currency="CNY">128.00</price>
  </book>
  <book sku="978-7-115-42802-8">
    <title>JavaScript DOM编程艺术</title>
    <stock>7</stock>
    <price currency="CNY">59.00</price>
  </book>
</inventory>
​

即便从没学过 XML，你也能一眼看出：这家供应商叫"华东书源"，第一本书库存 42 本、定价 128 元。这就是 XML 的核心价值——自描述。数据自己带着结构说明书，人和程序都不需要额外的口译。

拿这份文档逐层解剖。最上面一行 <?xml ...?> 是 XML 声明，注明版本与编码。<inventory> 是根元素，整份文档只允许这一个根。<supplier id="S-1024">华东书源</supplier> 是一个完整元素：开始标签、内容、结束标签三段式；id="S-1024" 是属性，附着在开始标签上，像关节处的铭牌。<book> 内部嵌套 <title>、<stock>、<price>，层层嵌套构成树。

二、和 HTML 是什么关系

两者同源于 SGML，但分工不同。看一组对照：

<!-- HTML：告诉浏览器"怎么显示" -->
<ul>
  <li><b>算法导论</b> —— 库存 42 本</li>
  <li><b>JavaScript DOM编程艺术</b> —— 库存 7 本</li>
</ul>

<!-- XML：描述"数据是什么" -->
<book>
  <title>算法导论</title>
  <stock>42</stock>
</book>
​

HTML 的标签集是固定的，<li> 表示列表项、<b> 表示加粗，浏览器照单渲染；XML 的标签随你定义，<stock> 是谁发明的？写这份文档的人。浏览器不认识它，也不需要认识——XML 文档的读者是程序，程序按约定取用。

⚠️ 常见误解：把 XML 当"更严格的 HTML"来学。两者用途几乎不重叠——HTML 造给人看，XML 造给系统看。前端页面里直接写 XML 的场景很少，配置文件、报文、数据交换才是它的主场。

三、为什么它至今没被取代

JSON 确实抢走了大量接口场景，但 XML 在三块阵地依然稳固，原因都写在它的语言特性里：

第一，校验能力。JSON Schema 之前，JSON 没有广泛落地的校验标准；XML 从第一天就有 DTD，后来又有 XSD，"收到的报文必须长这样"可以写成机器可查的契约（第 3 章专门讲）。第二，文档能力。XML 天生适合表达"带层级的文档"——混合文本与结构，Office 的 docx、开放出版流程都是它。第三，历史存量。银行、保险、政务的对接规范三十年累积下来都是 XML，改造成本高过继续使用。

动手验证一下"平台无关"。把上面的 inventory 文档存成文件，用浏览器直接打开，浏览器会以可折叠的树形展示它；用记事本打开，它就是普通文本。同一份数据，零转换。

一段极简的历史坐标

知道 XML 从哪来，能避免很多误会。上世纪八十年代，出版业用 SGML 管理海量书稿——能力极强、复杂度也极高，只有大出版社养得起。九十年代 Web 兴起，HTML 从 SGML 精简而来但标签定死；同时"数据在系统间搬运"的需求爆发，业界想要一种"SGML 的能力、HTML 的简洁"的格式。1996 年 W3C 成立工作组，1998 年发布 XML 1.0——目标是让普通开发者也用得起结构化标记。

这个出身解释了它的两个"性格"。其一，它天生面向文档：书稿是"正文里嵌结构"的混合形态，所以 XML 支持混合内容（第 2 章会详讲），这是后来 JSON 不具备的表达。其二，它强调国际文本：出版业多语种混排是常态，所以 XML 从第一版就认真对待编码与 Unicode，第 2 章的编码声明正是这份认真落下的零件。理解了"它替谁解决什么"，再学语法就不再是背条文，而是看一件工具如何贴合它的用途。

动手小练习收尾：把本节开头的 inventory 文档改成你自己领域的数据——学生选课、服务器清单、菜谱都行，保留声明、根元素、至少两层嵌套、一个属性。写完用浏览器打开检查。这个小文档建议保存好，后面章节会反复对它开刀。

本节要点回顾

• XML 是描述数据的标记语言：标签自定义、结构自描述，1998 年成为 W3C 标准；
• 元素三段式：开始标签 + 内容 + 结束标签；属性是开始标签上的"铭牌"；
• 与 HTML 分工：HTML 管显示、标签固定，XML 管描述、标签自定义；
• 根元素唯一：整份文档只有一棵树，所有内容挂在根下；
• 三大存活理由：可校验的契约、文档表达能力、行业存量。

下一节把这份数据放回解剖台，沿着切面看清语法规则——哪些刀口是标准姿势，哪些一刀下去文档就报废。