1998 年 2 月,W3C 正式批准 XML 之後,這項技術迅速登上歷史舞台,被形容為「當年突然湧現的技術」。有人稱它是 HTML 的接班人,也有人把它視為結構化數據交換的未來混合語。
正因為它從標準組織的幕後一步走到聚光燈下,圍繞它的誤解也像狂熱愛好者一樣迅速繁殖。本文想在某一些誤解固化為「常識」之前,把它們逐一釐清。
XML 的確是集體智慧的結晶,但它不屬於微軟。實際上,這個工作小組是由 Sun 微系統公司組織起來的標記語言專家團隊,目標是把历史悠久的 ISO 標準 SGML 改造成適合 Web 使用的形式。
微軟是重要參與者之一,但名單遠不止於此:Sun、惠普、Netscape、Adobe、富士與施樂等大公司,主要 SGML 廠商與系統集成商(ArborText、Inso、SoftQuad、Grif、TExcel、Isogen),學術界代表(NCSA 與 Text Encoding Initiative),早期使用者(DataChannel 與 Vignette),還有一位公認的 SGML 權威 James Clark——他是 W3C SGML 的技術負責人。
真正令人意外的,是這些人與機構把各自的商業議程擱在一邊,共同建立一個天生開放的標準,完全由用戶需求驅動:
微軟在推廣 XML 概念上確實嫻熟,但歸屬很清楚:XML 屬於世界。
早期一些粗糙的概括,讓不少人以為 XML 就是「靠增加新標記來擴展 HTML」。事實上,兩者在標記語言的層次結構中佔據完全不同的位置。
HTML 是一種標記語言——一套具有標準含義的分隔符,放進文檔裡用來指示某個部分的角色。比如 <H2> 與 </H2> 之間的內容,被理解為一個二級標題。
只接觸過 Web 的人常會吃驚:HTML 僅僅是眾多標準標記語言中的一種,其中不少在特定行業裡已經服役多年。航空業有維護手冊用的 ATA-2100,半導體行業有電路數據用的 PCIS,計算機行業則有軟件文檔用的 DocBook。
對比一下就很直觀。HTML 的寫法:
<H2>二級標題</H2> <P>這段文字很可能屬於上面的標題。</P>
DocBook 的寫法:
<SECT2> <TITLE>二級標題</TITLE> <PARA>這段文字肯定屬於上面的標題, 因為它們被包在同一個 SECT2 元素裡。</PARA> </SECT2>
差異之下是三點共性:它們都定義了一套含義與使用規則標準化的標記(也就是標準語法);都針對某一類文檔或數據做了優化;都沿用 SGML 這套有十幾年歷史的國際文本處理標準來定義自己的標記集與語法。它們看起來相似,是因為都繼承了 SGML 的尖括號引用句法。
SGML 本身處在一個不同於任何具體標記語言的概念層。人們常說「SGML 是元語言而非語言」,這個說法抓住了一半要點:它不像 BNF 那樣抽象,但確實不是某種具體標記語言,而是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 的簡化形式,不是 HTML 的擴展形式。設計者砍掉了 SGML 中許多讓瀏覽器難以完整實現的高級特性,換取足夠的輕量。
核心思想沒變:XML 允許你創建無數種不同用途的標記語言。它真正厲害的地方在於——用 XML 定義出的各種專用語言,都能被同一個標準解析器處理,而這個解析器小到可以嵌進每一個瀏覽器。
不理解這層區別的人,往往會得出「寫個支持 XML 的應用,就能在 HTML 文檔裡到處撒新標記」的結論。用這種方式「擴展」HTML,只會讓本來就混亂的東西更混亂。
HTML 的標記集相對小而固定,並伴隨一些多少標準化的行為。XML 則是無限大的可能標記集合,而相關行為完全沒有標準。行為規範必須來自別處:發布場景下通常是一張樣式表,其他場景下也可能像 JavaBeans 那樣靈活,或者像某種行業協議那樣專門。
支持者把這點濃縮成一句口號:XML 定義句法,不定義語義。與其糾結措辭,不如記住它想強調的事實——不像 HTML 標記,XML 標記沒有預定義含義。含義或行為必須由腳本、樣式表的聲明規則,甚至樸素的文檔說明來提供。
當有人問「XML 怎麼在我的瀏覽器上顯示」時,混淆就暴露無遺了。答案是:它不會顯示,至少不會自己顯示。要在瀏覽器裡複製 HTML 那種开箱即用的效果,你得把 HTML 作為整體所免費提供的一切自己補齊:既提供內容(用 XML 表示),也提供處理方式(用腳本編程或樣式表聲明)。
缺少一種既強大又易用的樣式表語言,是 XML 未能普及為 Web 文檔格式的主要障礙。為 HTML 開發的 CSS 可以用在 XML 上,但它不具備基於 XML 發布通常需要的轉換能力,也無法生成目錄這類結構。
另一頭是 DSSSL——為 SGML 設計的 ISO 樣式表語言,功能足以支撐高級出版需求,但它的句法建立在 Scheme 之上,學習曲線陡峭,也缺少足夠豐富的聲明層,難以保證各家樣式表編輯器互操作。
XSL 正是為填補這個空隙而生。作為 XML 整體計劃的一部分,XSL 試圖把 DSSSL 的功能、XML 的簡潔以及 CSS 已建立的「樣式屬性」術語結合起來。1998 年 1 月成立的 W3C XSL 工作組,任務就是定義這門讓基於 XML 的 Web 發布成為可能的語言。第一份工作草案已可在 W3C 網站查到,值得從事電子出版的人持續關注。
由於樣式表語言還不夠成熟,第一批 XML 應用只能著力於它天生擅長的事:傳輸結構化數據。
XML 給了我們一種單一、人可閱讀的句法,能把任意種類的結構化數據(包括相關數據)串行化,並用簡單而普遍可得的工具處理與顯示。一個標準、易處理的串行化格式的深遠意義很難高估,它對電子商務的影響尤其直接——而電子商務最終大概會成為商務的同義詞。
可以說,XML 之於數據,正如 Java 之於程序:讓數據擺脫平台與廠商束縛。這股力量正在推動一波 XML 中間件應用的出現。但別讓數據與元數據交換的能力,遮住了 XML 最初的設計意圖——設計者要的不只是一個傳輸層,而是一種通用的、媒體無關的發布格式。
嚴格說,通用發布的需求是數據交換需求的超集。XSL 到來之後,通用發布方案才真正具備可能性,而這件事的後果還很少有人意識到。
XML 自己就能提供標準化的數據庫與電子表格交換格式,這很好。但 XML 加上 XSL,還有可能取代現有的字處理與桌面出版格式,給我們一個統一的、徹底國際化的格式:幾乎無限的打印與的在線發布能力,在所有產品和所有平台上完全互操作。這已經遠遠超出「數據交換」和「Web」的範疇。
XML 與 XSL 的組合可能比今天的 HTML 更複雜、更難駕馭,因此最初會由專業出版領域的專家手工處理,用在那些要求最高自動化與媒體無關性的場景:報紙、工商名錄、百科全書、產品目錄、節目表。
只有當普通字處理與桌面出版軟件開始用 XML 加 XSL 而非私有格式存文件時,標準化才會從專家群體向外擴散。這不是技術問題,而是經濟問題——出版工具大廠在歷史上一直依賴私有格式鎖定用戶。真正的轉折點會在用戶意識到開放格式的價值並主動提出要求時出現。
標準化的數據與表達格式的好處很難抵禦:
我相信,用戶對這些好處的認識,最終會迫使廠商支持標準化方法——正如當年對訪問因特網的需求迫使他們支持 Web 一樣。隨之而來的是桌面軟件生產者與消費者關係的重整:少數大公司對市場的控制走向終結,可能更重要的是,少數大國對市場的控制也走向終結。結果會是更好的產品,以及人與人之間更好的溝通。