一、为什么出现XML？

还是从软件说起，其本质是信息处理以及对信息处理的自动化。在软件系统中，数据是信息的载体，是对客观事物所蕴含信息的抽象描述。软件对数据的处理包括：Define(定义)、Transfer(传递)、Transform(转换)、Store(存储)、Retrival(检索)和Show(展示)。

数据可以以二进制的形式表示也可以以文本的形式表示。二进制文件是一个0和1的序列，通常需要专用的程序进行识别和解析，由于占用带宽较少，适用于网络传输，但对于用户来说很难理解。而文本文件是一个由字符组成的文件，方便用户理解，但文件通常较大。

在《杂谈：语言的鸿沟》一文中，我们曾讨论过人们总是在追求简单方便。同样地，在二进制文件和文本文件之间人们通常选择的是文本文件。但在文本文件中，人们还希望文本文件能够自表达所蕴含的意义，希望的是有格式的文本数据，于是就需要标记元数据以及所标识的原始数据。在这种情况下，SGML(Standard Generalized Markup Language，标准通用标记语言)以一种规范性的标准出现了，其官网简单示例如下所示：

SGML允许人们使用标准的语法语义创建他们自已的标记语言，例如，HTML使用<>来标识元数据，并且在标记内可以增加定义。SGML具有的这种灵活性，同时也带来了复杂性，事实上，这使得SGML的解析及处理变得十分困难，很难在网络上进行广泛地应用。所以SGML需要改变，需要简化。这种情况下，XML(eXtensible Markup Language，可扩展标记语言)作为SGML的一个简化子集出现了。

二、什么是XML？

1. 基础

1998年2月，W3C发布了XML的推荐标准，XML继承了SGML的灵活性，没有预定义的标签，标签是由XML的编写人员根据业务需求进行编写的，如下图所示，、、都是自定义的标签，且都有一个对应的关闭标签：

一个基本的XML示例包含XML声明、根元素和子元素。其中，XML声明定义XML的版本和所用的编码；根元素是每个XML文档都必须包含的，并做为XML树的根而解析，如下所示：

XML的解析就是其内容进行分解并重建，通常情况下将其抽象为DOM模型--使用树型结构表示，该模型提供了内存中访问和修改XML信息的方法。需要说明的是，DOM消耗的内存较大。

XML允许自定义标签，同时如果XML文档存在错误，那么程序就不应当继续处理这个文档。那么我们如何来验证XML文档是正确的呢？有两种方式：

• DTD(document type definitions,文件类型定义)

• XML Schema

2. 应用场景

在XML出现的前部分时间，XML使用得较少。随着互联网的发展，网络服务大量地接收和发送数据，但数据格式由于技术体系的不同而呈现出较大的差异，数据格式多且大部分都是专有的，开发人员需要做很多数据转换的工作。这就需要实现数据格式的通用性。XML作为对人机友好的文件格式，可提高数据的通用性，使不同组件间的数据交互更容易，并使得开发人员聚焦于业务逻辑的开发与创新。XML在数据交换领域并得到了广泛的应用。除此之外，XML还应用于：

• 配置文件：许多应用或框架的配置文件都采用XML格式，如Struct、Spring等框架；
• 数据库系统：大多数数据库系统都能保存XML格式的文件。