DIV CSS 佈局教程網

您现在的位置: DIV+CSS佈局教程網 >> 網頁腳本 >  >> XML學習教程 >> XML詳解
XML 入門十一問(上):從基本概念到 DTD 與瀏覽器解析
編輯:XML詳解     

這系列問答整理自 XML 早期(1998 年前後)的入門討論。技術細節已有部分過時(例如瀏覽器原生支援、CSS 與 XSL 的分工),但核心概念至今仍是理解 Web 資料交換的基礎。

Q1. 什麼是 XML?

嚴格來說,XML 不是一種語言,而是一套「用來定義其他語言」的系統。微軟當年為推播技術提出的 Channel Definition Format(CDF)就是一個 XML 應用。

W3C 把 XML 描述為「表達結構化資料的通用語法」。所謂結構化資料,是指用標籤明確定義了內容、意義與用法的資料。HTML 的標籤定義的是「怎麼顯示」——<B> 表示粗體;XML 的標籤定義的是「這是什麼」——<PRICE> 表示價格,<AUTHOR> 表示作者。

關鍵差異在於:XML 標籤的語意是自定的。你甚至可以拿 <PRICE> 來標記作者,語法上完全合法(雖然語意上很糟糕)。

把結構與呈現分離之後,一份 XML 文件寫一次就能用在多種場景:電腦螢幕、手機、語音設備。這也是 XML 為何能跨越 Web 的應用範圍。

歷史上,大型出版機構使用 SGML 多年,但 SGML 的規格書厚達四百多頁,學習門檻極高。XML 是 SGML 的精簡子集,用遠低的複雜度實現了 SGML 八成的功能。

Q2. 為什麼 XML 很重要?

Web 上一條核心原則:內容才是網站最重要的資產。但過去內容總是與呈現方式綁死,於是才有「建議使用 800×600 解析度瀏覽」這類標語。

XML 把兩者拆開。網站建置者不再指定「在哪裡顯示什麼」,而是定義文件結構:標題、作者、相關連結。任何具備 XML 能力的裝置——掌上型電腦、電視機上盒、工作站——都能依自身特性決定呈現方式。

XML 最強的特性是可擴充性:任何組織都能定義自己的標籤來滿足新需求。當年已有 RDF(資源描述格式)、CDF、OSD(開放式軟體描述)等應用出現。

XML 也很可能成為資料交換的標準,例如讓網際網路上不同資料庫之間直接交換資訊。

Q3. SGML、HTML 與 XML 的關係

SGML(Standard Generalized Markup Language)最早用於字處理程式中描述資料,RTF 與 Word 的 DOC 都可以視為 SGML 的應用——用記事本打開 RTF 檔,你會看到類似 HTML 的標記,那就是 SGML 定義的來源描述。

三者的關係可以這樣定位:

  • HTML 是 SGML 的一種應用(application)
  • XML 是 SGML 的精簡子集(subset)

這個差異是本質性的:HTML 不能定義新的應用,XML 可以。RDF 與 CDF 都是 XML 衍生出的新應用,理論上甚至可以用 XML 重新定義 HTML(事實上 XHTML 就是這麼做的)。

XML 與 SGML 相容——XML 文件可被 SGML 工具解析——但 XML 特別針對頻寬有限的網際網路設計。XML 規範的編輯者 Tim Bray 曾說,目標是「繼承 SGML 的優點,去除 SGML 的複雜性,並讓它在網路上能良好運作」。

三者長期共存:HTML 仍是發布資訊最快的方式;需要長期保存的結構化內容該用 XML;SGML 不會在網路上普及(它不是為網路傳輸設計的),但在高度結構化的高端出版應用中仍有價值。

Q4. XML 是如何被實作的?

XML 的應用主要分兩類:人機之間的資訊交換(伺服器傳資料給瀏覽器),以及機器之間的資料交換。

這兩種場景通常都需要三層架構:

  1. 資料庫層:存放資料,可能已是 XML 格式,也可能來自多個異質資料源。
  2. 中介層:整合、轉換資料,決定輸出格式。
  3. 客戶端:呈現資料並做進一步應用。

當年許多動態網頁就是這樣生成的。而一份結構良好的 XML 文件,能讓客戶端程式修改文件的外觀以適配不同媒體,例如直接送印。

Q5. 什麼是 DTD?

DOCTYPE 定義(Document Type Definition)是一套標籤的語法規則:告訴你在文件中能用哪些標籤、順序為何、可以有哪些屬性。

DTD 起源於 SGML,XML 也引入了它,但DTD 並非 XML 的必要條件。而且 DTD 通常獨立成一個檔案,讓多份 XML 文件可以共用同一套定義。

因為 XML 本身不是語言而是「定義語言的方法」,所以XML 沒有像 HTML 那樣通用的 DTD。每個組織都可以定義自己的 DTD。

DTD 的爭議與 Schema 的興起

DTD 有幾個明顯的技術限制:

  • 無法指定資料型別。定義 <PRICE> 時,內容可以是數字也可以是字串,無法強制約束。
  • 使用非 XML 的自有語法,需要另外一套解析器。
  • 對命名空間(namespace)的支援很差。

微軟等公司提出的替代方案稱為 Schema,並以 XML-Data 提交給 W3C。Schema 與 DTD 一樣定義可用標籤、屬性與巢狀規則,但多了關鍵能力:可以定義資料型別。你可以強制 <PRICE> 的內容只能是數字。

這在跨應用、跨物件、跨資料庫交換資料時特別有用。今天的答案很明確:XSD(XML Schema Definition)已成為 W3C 標準,實際上取代了 DTD;另有更簡潔的 RELAX NG 與 Schematron 可供選擇。

Q6. 什麼是 well-formed 與 valid 文件?

XML 文件分兩個層級:

  • well-formed(結構良好):符合 XML 的基本語法規則。
  • valid(有效):在 well-formed 之上,還要符合 DTD 或 Schema 的定義。

HTML 的語法容錯性很高,標籤不閉合、屬性不加引號常常也能顯示。XML 完全不容許這種隨意。

well-formed 的八條規則

  1. 文件第一行必須是 XML 宣告:<?xml version="1.0" encoding="utf-8"?>
  2. 只能有一個根元素。
  3. 起始標籤與結束標籤必須成對出現。
  4. 空標籤必須自閉合,寫成 <br />。
  5. 標籤不可交叉嵌套,必須是完整的巢狀結構。
  6. 標籤與屬性名稱區分大小寫,<Title> 與 <title> 是兩個不同元素。
  7. 屬性值必須用引號(單或雙)包圍。
  8. 五個特殊字元必須用實體引用:&amp;、&lt;、&gt;、&quot;、&apos;。

valid 的額外要求

除了上述八條,還必須有一份對應的 DTD 或 Schema,且文件中的每個元素、屬性、巢狀關係都符合其定義。

實務上的分工:驗證通常是編輯與出版工具該做的事。瀏覽器要顯示 XML 內容,只要求 well-formed 就夠了。

Q7. 瀏覽器如何解讀 XML 文件?

負責解析 XML 的工具稱為 XML parser,正式名稱是 XML processor(XML 處理器)。

XML 的角色是「把解析後的結果交給應用程式」——它不提供 API 來控制行為,只負責把結構化資料準備好。若文件未達 well-formed 標準,解析器會直接報錯而非嘗試顯示。

當年 Netscape 與 IE 都在新版本中內建了 XML 解析器,流程是:XML 送到客戶端 → 解析器解析 → 瀏覽器呈現。

今天的補充:所有現代瀏覽器都內建了完整的 XML 解析能力,並提供兩種標準 API:

  • DOMParser:把 XML 字串解析成 DOM 樹,可再用 XPath 查詢。
  • XMLHttpRequest / fetch:直接請求 XML 資源,回應可用 responseXML 取得已解析的文件。
// 解析 XML 字串
const doc = new DOMParser().parseFromString(xmlString, "application/xml");
const hasError = doc.querySelector("parsererror");   // 檢查是否 well-formed

// 用 XPath 取值(需 namespaces 時傳第三個參數)
const prices = doc.evaluate("//price/text()", doc, null,
  XPathResult.ANY_TYPE, null);

實務建議:新的專案請優先考慮 JSON。它語法更輕、與 JavaScript 原生整合、解析成本更低。XML 的優勢在於需要驗證機制(XSD)、命名空間、或處理文件式結構(而非資料式結構)的場合,例如 SOAP、SVG、XHTML、Office Open XML、以及各類政府與金融交換格式。

Q8. RDF 與 CDF 和 XML 的關係

如果 XML 有能力「說出一種語言」,那麼每個 XML 應用程式就是被說出來的那種語言。

RDF(Resource Description Format)就是這樣一種應用。它用來描述與存取資料——關於資料的資料,也就是元資料(metadata)。在 Web 上,元資料可用於建立標準的網站地圖、得到更精確的搜尋結果、對網站內容分級。

RDF 還能建立「智慧書籤」:當書籤指向的網址改變時,書籤能自動跟著更新。對內容頻繁異動的網站特別有用。

CDF(Channel Definition Format)由微軟提出並大力推廣。透過它的 XML 解析器,IE 4.0 能讀懂 CDF 並據以抓取網頁內容——這就是當年所謂的「推(push)」技術。Netscape 也有對應方案,但語法與 CDF 不同。

今天的補充:CDF 已隨 IE 一同走入歷史。RDF 則發展成為語意網(Semantic Web)的基石,衍生出 RDFa、Turtle、SPARQL 等技術,並透過 Schema.org 的 JSON-LD 廣泛用於搜尋引擎的結構化資料標記。

Q9. 樣式表與 XML 的關係

因為 XML 把內容與呈現分離,網站設計者需要新方法控制版面。當年有三種樣式表可搭配 XML:

CSS(Cascading Style Sheets)

對 XML 的支援良好,能完成大部分基本的樣式設定。缺點是無法做結構轉換——它只能改寫「長什麼樣子」,不能改寫「內容結構」。

DSSSL(Document Style Semantics and Specification Language)

這項 ISO 標準曾與 SGML 搭配良好。問題是過於複雜,且主要為印刷出版設計,沒有考慮網路傳輸的特殊性。已大致被 XSL 取代。

XSL(Extensible Stylesheet Language)

基本上為 XML 量身打造,後來拆成兩部分:

  • XSLT:轉換語言,可把一份 XML 轉成另一份 XML(或 HTML)。
  • XSL-FO:格式化物件,用於輸出 PDF 等印刷媒體。

XSLT 給設計者的彈性遠超 CSS。例如 HTML 標籤的呈現是固定的,但 XSLT 可以讓同一份資料依使用者偏好輸出完全不同的結構,甚至能寫出條件邏輯:

<xsl:if test="price > 100">
  <span class="expensive">高價商品</span>
</xsl:if>

今天的補充:瀏覽器對 XSLT 的支援已大幅萎縮——Chrome 已移除,Firefox 仍在但逐步邊緣化。XSLT 現在主要活在伺服器端(Java、.NET、libxslt)與資料整合/ETL 場景。瀏覽器端的樣式化請用 CSS,需要結構轉換時請在伺服器完成。

Q10. XML 對超連結有哪些改進?

XML 對 HTML 的超連結做了實質擴充,能建立「智慧」連結,省去大量手寫 JavaScript 的功夫。在 XML 中,連結本身是一個物件,可以像操作其他物件一樣操作它。

原本的構想稱為 XLL(XML Linking Language),後來拆成兩個標準:

XPointer

HTML 只能連結到「一個頁面的某個位置」。XPointer 能定址(address)到其他文件的任意部分——不只是錨點,還能透過 XPath 表達式指向特定元素或屬性值。對文件引用與學術寫作非常有用。

XLink

HTML 點連結後,目前頁面被新頁面取代。XLink 讓開發者能為連結「附加行為」:在新視窗開啟、開啟確認對話框、顯示預覽——這些在當年都得靠 JavaScript,而 XLink 只需設定屬性。

XLink 還支援擴展連結(extended links):把一組主題相關的資源綁在一起,類似 webring 的效果。當年需要 CGI 腳本,XLink 提供了標準做法。

今天的補充:XLink 只有 SVG 完整採用(<a xlink:href>,SVG 2 已改用普通的 href),在 HTML 上從未普及。瀏覽器端的連結行為現在的做法是:

  • 新視窗開啟:<a target="_blank" rel="noopener noreferrer">
  • 頁面內定位:直接用 #id,搭配 scroll-behavior: smooth
  • 複雜的連結行為:用 JavaScript 的 IntersectionObserver 或事件監聽處理
  • 文件片段定址:Chrome 已支援 #:~:text=要選的字串 這種文字片段連結

Q11. XML 的國際化問題

XML 讓網站國際化變得空前容易。與 Java 一樣,XML 以 Unicode(ISO 10646)作為編碼標準,能寫出各國文字而不必擔心亂碼。

Unicode 包含所有 ASCII 字元,以及簡體中文、繁體中文、日文、韓文、希臘文、俄文等。XML 甚至允許在同一份文件中混用不同字元集——中文頁面裡引用德文單字不會出問題。

開發者不需要為 Unicode 特別學習什麼。文件寫好後,瀏覽器會依 XML 宣告的 encoding 屬性自動採用正確的字元集呈現。

<?xml version="1.0" encoding="UTF-8"?>

今天的實務建議:

  • 一律使用 UTF-8,不要用任何其他編碼。
  • HTML 中在 <head> 最前面寫 <meta charset="utf-8">,且必須在前 1024 bytes 內。
  • 檔案實際存檔編碼要與宣告一致,這是最常見的亂碼原因。
  • 後端處理時,資料庫連線、HTTP 標頭的 Content-Type 都要指定 charset=utf-8。
  • 需要標示語言時用 lang 屬性(如 lang="zh-Hant"),這對螢幕閱讀器的發音切換與字型選擇都有實際影響。
  • 亞洲語言的換行規則與西文不同,記得設定適當的 line-break 與 word-break。
XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved