隨著網際網路的快速普及,人們能即時從世界各地接收與發送大量資訊,但資訊交換過程中始終橫亙著一個問題:資料格式五花八門,讓資訊難以有效利用。在資訊時代,如何用最便捷、最可靠的方式取得所需資料,一直是個困擾。大家期待能找到一種足以描述任何邏輯關係的資料格式,統一電子資料的儲存方式,從此不必再為格式不一致而煩惱。目前能擔起這個任務的,就是 XML(eXtensible Markup Language,可擴充標記語言)。
可以說,XML 為資料交換帶來了一場革命,被視為至今最聰明的標記語言之一,也成為下一代網路發展的基石。
要談 XML,得先了解 SGML(Standard Generalized Markup Language)。SGML 最初由 IBM 開發,是一種用於排版的標記語言,原名 GML。經過多年演進,國際標準化組織(ISO)於 1984 年開始討論這項提案,1986 年正式承認 SGML 為國際標準(ISO 8879)。
SGML 本質上是一種通用的文件結構描述標記語言,主要用來定義文獻模型的邏輯與物理結構。一份 SGML 文件由三部分組成:語法定義、文件類型定義 DTD(Document Type Definition)與文件實例。語法定義規範 DTD 與實例的語法結構;DTD 定義實例的結構與組成元素型別;文件實例則是主體內容。在實務上,每一個特定的 DTD 都定義了一類文件,因此人們習慣把具備某個特定 DTD 的 SGML 語言稱為某種標記語言——SGML 於是被視為這些派生語言的「元語言」。
1989 年,歐洲核子研究組織(CERN)的資訊專家 Tim Berners-Lee 發明了超文本連結語言,能輕易把一個文件中的文字或圖形連到其他文件,這就是 HTML 的前身。1991 年他在 CERN 定義了 HTML 的第一份規範,之後成為 W3C 為網路發布資訊而設計的標記語言標準。HTML 是 SGML 的一個實例,其 DTD 作為標準被固定下來,因此 HTML 無法再作為定義其他標記語言的元語言。
作為 World Wide Web 的一部分,HTML 發展極快,短短幾年歷經 1.0、2.0、3.0、4.0 等版本,DHTML(動態)、VHTML(虛擬)、SHTML 等變體也快速興起。HTML 語法簡單精煉、易學易用,讓網頁得以貼近每一個普通人,網際網路也因此普及。
但 HTML 仍有明顯限制:不同瀏覽器的顯示效果不一;對超連結的支援不足,缺乏空間立體描述;處理圖形、圖像、音訊、視訊等多媒體的能力偏弱;圖文混排功能簡單,無法表達多種媒體的同步關係。這些都妨礙了它在大規模與複雜多媒體資料處理上的應用。
XML 由 W3C 於 1998 年 2 月發布,同樣是 SGML 的簡化子集。它把 SGML 的豐富功能與 HTML 的易用性結合到網路應用中,以開放、自我描述的方式定義資料結構;在描述資料內容的同時突出結構描述,從而體現資料之間的關係。這樣組織出來的資料,對應用程式與使用者都友善且可操作。之後 W3C 又以 XML 設計出與 HTML 4.01 功能等價的語言 XHTML 1.0,使其與 HTML 相容。
嚴格說來,XML 仍是 SGML 的一支。與 HTML 不同的是,XML 具備 DTD,因而能像 SGML 一樣作為元語言定義其他文件系統。若把標記語言分成元標記語言與實例標記語言,SGML 與 XML 屬於前者,HTML 與由 XML 派生的 XHTML 屬於後者。
圖:XML 作為電子資料交換的統一格式
十年來,Web 的儲存格式語言從 HTML 到 DHTML,再到最新的 XML,每一步演進都是為了回應網路應用的需求。XML 雖源自出版界的文件描述傳統,卻也是為網際網路的資料交換而設計。因此它不只是 SGML 意義下的描述性文件,更讓電子商務等各領域的資料交換成為可能。
XML 之所以能跨領域應用,關鍵在於它具備其他方法所沒有的資料描述特點:控制資訊不採用某套軟體的私有形式,而是用任何人都能讀懂的標記來表達。這使 XML 最適合作為資料交換標準,也正是它備受矚目之處。用 XML 可以對資料關係加以定義、形成特定標準,於是各行各業都在建立自己的行業標準,把後台系統透過網站呈現出來。XML 也能充當資料倉儲——一個 XML 檔就是一個小型資料庫,透過資料關係的定義形成各種關聯與屬性資料,實現資料交換、上下文檢索與多媒體傳輸。
XML 以文字形式描述文件格式,因此適合各種平台環境的資料交換,能跨越不同平台的障礙。文字形式雖可能因字元碼不同而無法閱讀,但 XML 在這一點上已有完善的解法。
XML 文件由一個個稱為元素(Element)的部件構成,並以標記(Tag)描述元素。因為採標記描述,資料的原意與構造得以在網路上完整傳遞,維持不同系統間交換的靈活性。使用標記的好處很具體:可以明確指出開始標記與結束標記,兩者之間就是元素的值,這正是以元素表現資料的方法。而且標記化的元素還能作為子元素形成巢狀結構。
XML 的標記名稱、標記的層級結構都由使用者自行定義。也就是說,依 XML 語法可以定義出針對特定用途的標記集合,形成全新的標記語言——這正是 XML「可擴充(Extensible)」之名的由來。因此 XML 是「定義語言的語言」,屬於元語言層級。因為具備元語言能力,它可以作為電子商務資料、多媒體簡報資料、數學公式等各種應用語言的基礎。以下是以 XML 為基礎衍生的一些應用語言:出版媒體領域的 Open eBook(電子書)、NewsML(新聞);科學領域的 MathML(數學表達式)、CML(化學);電子商務領域的 cXML、FpML(金融);多媒體領域的 SMIL(多媒體簡報)、BML(衛星資料傳送)。
就像自然語言一樣,使用某語言的人多了,它就成為不認識的人之間初次交流的工具。同樣地,在特定企業之間或業界內部歸納出一套標記集合、約定以某套 XML 應用語言作為交流工具,是很有價值的事。不過實務上多數使用者採用業界或集團標準化後的應用語言,很少有人自行打造一套全新的 XML 應用語言。
作為資料描述語言,XML 表現優異,但並非所有電子資料轉成 XML 都最有效率。XML 的文字表現手法與標記符號化,會讓資料量比二進位表示法大得多;當資料量龐大時,這可能成為真正的問題。因此導入 XML 該視具體需求權衡優缺,把它用在能真正發揮長處的領域。
另外別忘了,XML 歸根究柢是一種資料描述技術,不是程式語言。所以 XML 的顯示、結構變更、應用程式操作等周邊技術同樣關鍵。
XML 只負責描述內容,實際使用時還需要顯示、列印、結構變更等一整套技術。如果這些周邊技術也都標準化,即使在不同平台開發應用程式,也能用相同方法完成,開發難度自然降低。
處理 XML 資料時一定要用 XML Processor(也就是 XML Parser),把結構檢查等工作交給它。市面上這類產品不少,也有許多免費方案,開發者只要把檢查交出去,就能專心寫應用程式部分。應用程式接收 Parser 傳來的 XML 樹之後再對外提供服務。此時無論是電子商務還是知識管理,都是由「定義 XML 結構」、「顯示與列印 XML」、「變更 XML 結構」、「連結整合 XML 資料」、「以 API 操作 XML 樹」等技術組合而成。
使用者可以自由定義標記名稱、元素及元素層級,這是 XML 的主要特徵。但若定義出的標記只有自己看得懂,就無法與他人交換資料。要在企業或團體之間交換 XML 資料,結構、元素名稱、資料型別與親子關係都必須仔細設計成人與系統都能理解的形式。這樣設計出來的結構在 XML 領域稱為 Schema,描述它的語言則稱為 Schema 語言。
DTD:最常見的 Schema 語言。DTD 早在 SGML 時期就已使用,1998 年制訂 XML 語法時沿用了它,至今仍被廣泛採用。
XML Schema:隨著 XML 應用普及,從 SGML 繼承下來的 DTD 顯得力不從心。為了解決這些問題,W3C 制訂了 XML Schema,它具備 DTD 所沒有的幾項特徵:可用 XML 名字空間複用多個 Schema;以 XML 語法描述;能詳細定義元素內容與屬性值的資料型別。由於結構本身也用 XML 表現,XML Schema 的檔案會比 DTD 大上許多,但表現力遠勝 DTD——不只支援字串、十進位數、浮點數、日期,還能指定元素出現 m 次以上、n 次以下(m、n 為整數)。例如「郵遞區號 xxxxxx」(x 代表一個字元)這種格式約束,就是 DTD 表達不了的。XML Schema 於 2001 年 5 月成為 W3C 建議標準,對 XML 的實際利用影響深遠。
主要有三種途徑:用 CSS 定義排版;用 XSLT 轉換成 HTML 後顯示或列印;用 XSLT 轉換成 XSL-FO(Formatting Object)後輸出。
CSS:描述 HTML 樣式表的語言是 CSS(Cascading Style Sheets)。它為 HTML 的每個標記指定排版資訊,同樣也能為 XML 的標記定義顯示方式。但 CSS 無法改變 XML 的結構,只適合簡單的排版定義。
XSLT:使用能改變 XML 結構的 XSLT(Extensible Stylesheet Language Transformations)。它能改寫元素名、屬性名與元素層級,把 XML 元素轉換成 HTML 元素,讓瀏覽器直接呈現。這是當時最常見的 XML 顯示方式。
XSL:XSL(Extensible Stylesheet Language)本身也是用 XML 描述的文件,能達到商用印刷等級的排版規格。使用 XSL 指定排版分兩步:先把原始 XML 樹做結構轉換並追加排版資訊,生成新的 XSL-FO 樹;再把新樹交給對應的列印或顯示引擎處理。
XML 應用中常有需要把一份 XML 轉成另一種結構的 XML 的情況,W3C 為此制訂了 XSLT 作為標準化的結構轉換規則語言。XSLT 原本從 XSL 規範中獨立出來,最初用途是描述排版,因此以 XSLT 撰寫的程式稱為樣式表;但實際上它能用於排版以外的各種場合。
例如,採用不同 Schema 的企業之間要交換 XML 資料時,必須把各自的私有格式轉換成雙方共用的業界標準結構才能溝通。XSLT 不只描述轉換規則,還能交由 XSLT 樣式表的執行引擎(XSLT Processor)實際執行。跨業界交換時格式轉換經常發生,而只要善用 XSLT,就不必改動程式,僅替換樣式表即可。
在 Windows 上,只需簡單的環境設定,用 IE 5.x 加任意一個文字編輯器就能製作並執行 XSLT;即使只懂皮毛,也能相當輕易地處理 XML,十分方便。
隨著電腦與網路技術持續演進,XML 的應用範圍也不斷擴大。在傳統的銀行間資料交換、證券公司對上市公司狀況的統計、圖書館的藏書檢索、企業與機構的檔案管理等領域,需求愈來愈迫切;在電子商務、搜尋引擎、自動智慧翻譯、文件發聲軟體等領域也有更大發展空間。特別是行動通訊網路服務的興起,將使各種資訊經過格式轉換後抵達 PDA 甚至手持電話——透過網路的資料格式轉換服務,一部小小的手機也能讀到整個世界的豐富資訊。