當 XML 在 1998 年 2 月獲 W3C 批准、迅速登上歷史舞台時,它被稱為「當年突然湧現的技術」,有人視它為 HTML 的接班人,也有人稱它為結構化資料交換的未來混合語。由於 XML 是從 W3C 的默默耕耘中一躍而出,這種新資料格式無可避免地會像它吸引狂熱愛好者那樣,很快地滋生各種錯誤概念。本文就來逐一澄清那些可能成為「永久誤解」的神話。
XML 確實是一項共同成果,但它並不屬於微軟。事實上,XML 是由 Sun 微系統公司召集的一組標記語言專家提出的,目的是把歷史悠久的 ISO 標準 SGML 轉化成適用於 Web 的形式。微軟固然是 XML 工作中的主要參與者之一,但其他大公司同樣功不可沒(Sun、惠普、Netscape、Adobe、富士與施樂),此外還有主要的 SGML 廠商與系統整合商(ArborText、Inso、SoftQuad、Grif、Texcel 與 Isogen)、學術團體代表(NCSA 與 Text Encoding Initiative)、早期使用者(DataChannel 與 Vignette),以及世界上最頂尖的 SGML 專家之一 James Clark——他是 W3C SGML 的技術領袖。
關於 XML,最令人驚豔之處在於:所有這些人與組織都暫時擱下了個人與公司的私房議程,攜手打造一個天生開放的標準,完全由使用者需求驅動。這些需求包括:可擴充性,以定義所需的新標記;結構,以表達任意複雜程度的資料;驗證,以檢查資料結構是否正確;媒介無關性,以用多種格式發布內容;以及廠商與平台中立,讓任何符合標準的文件都能用標準的商業軟體甚至簡單的文字工具來處理。儘管我不得不佩服微軟對 XML 概念的嫻熟運用與行銷,但 XML 並不屬於微軟——XML 屬於全世界。
早期對 XML 的概括,讓許多人誤以為 XML 只是一種透過增加新標記來擴充 HTML 的方法。實際上,XML 與 HTML 在標記語言體系中處於完全不同的層次。HTML 是一種標記語言——一套帶有標準意義的標準分隔符,放進文件裡用來指示各部分的角色,例如在 HTML 文件中,<H2> 與 </H2> 之間的任何內容都被理解為一個二級標題。
那些只接觸過 Web 的人常會驚訝地發現,HTML 其實只是眾多標準標記語言中的一種,而這些語言早在特定行業內開發多年。例如航空業有一種飛機維護手冊的標記語言,稱為 ATA-2100;半導體行業有一種用於電路資料的標記語言,稱為 PCIS;電腦行業則有一種用於軟體文件的標記語言,稱為 DocBook。這些語言中有一些比 HTML 還要資深,其中許多面向的是截然不同的問題。比方說,同樣一段內容,在 HTML 裡可能寫成 <H2>二級標題</H2>,而在 DocBook 裡則可能寫成 <SECT2><TITLE>二級標題</TITLE><PARA>這段文字肯定屬於上面的標題</PARA></SECT2>——因為它們都被包在同一個 SECT2 元素裡,機器能明確辨識這層從屬關係。
儘管這些標記語言各有千秋,但它們(包括 HTML)在三方面高度相似:其一,每一種都定義了一套帶有標準化含義與使用規則的標準標記,換句話說,都有一套標準化的語法;其二,每一種都是為某類特定的文件或資料量身打造,才能發揮最佳效果;其三,全都沿用一套已有十餘年歷史的國際文字處理標準 SGML,來定義各自的標準標記集與語法。它們之所以看起來相似,是因為都繼承自 SGML 那種熟悉的尖括號引用句法。
由上面的描述不難看出,SGML 本身屬於一個有別於任何用它定義出來的個別標記語言的概念層。人們常把 SGML 與特定標記語言的差異,概括為「SGML 是一種後設語言而非一種語言」,這其實很不精確——SGML 不像 BNF(巴克斯/納爾範式)那種用於定義程式設計語言的真正後設語言那樣抽象。不過稱 SGML 為後設語言確實抓住了關鍵:SGML 不是某一種特定的標記語言,而是一種「用來定義標記語言」的語言。
理解 XML 的關鍵,就在於它屬於 SGML 層,而不是 HTML 層。XML 是 SGML 的一種簡化形式,而非 HTML 的一種擴充形式。XML 與 SGML 的差別,在於 XML 的設計者大刀闊斧地移除了 SGML 的許多進階特性,讓它更輕巧、更適合網路環境——而這,正是它得以席捲世界的真正原因。