如果你已經有自己的個人網站或公司網站,或者對 Web 有相當程度的了解,應該早就注意到一門新技術引起的熱烈討論——XML。微軟推出 IE5(第一個商業化支援 XML 標準的瀏覽器)之後,那股熱情更直接變成了群起參與的行動。在動手之前,值得先問一個基本問題:XML 到底是什麼?
XML 是可擴充標記語言(eXtensible Markup Language)的簡稱。和 HTML 一樣,XML 源自所有標記語言的元語言——標準通用標記語言 SGML(Standard Generalized Markup Language)。SGML 本身是一個「定義標記語言的系統」,而 XML 也是一種元語言,可視為 SGML 中為 Web 應用而生的子集。和 SGML 一樣,你可以用 XML 定義種種不同的標記語言來滿足不同需求,特別是在資料表達方面。
隨著 Web 應用不斷發展,HTML 的限制也愈來愈明顯:
<body> 與 </body>),有些則只有起始沒有結束(如 <p> 與 <b>),瀏覽器不得不設法處理這些近乎隨機的寫法。HTML 與 XML 都是由 W3C(World Wide Web Consortium)制訂的標準。W3C 的成員意識到,隨著網際網路飛速發展,必須找到辦法把資料與網頁呈現分離——XML 因此誕生。那為何不直接用 SGML?原因不難理解:SGML 的規格厚達五百多頁,實在過於複雜;XML 的標準則只有二十六頁左右。
嚴格說來,XML 只是一種資料標記描述語言,但它已經把一系列相關技術逐漸納入版圖,包括 XML DOM、XSL、XLL、XML 命名空間與 VML。本文會聚焦在 XML、XSL(eXtensible Style Language,可擴充樣式語言)與 XML DOM(Document Object Model,文件物件模型)這幾項技術,並順帶介紹其他標準。
XML 1.0 標準可以在 www.w3.org/TR/REC-xml 找到。它不是學習 XML 的最佳起點,但讀完本文之後再回頭看,你會體會得更深。
在進入範例前,先熟悉 XML 的命名方式。與 HTML 類似,起始標籤寫成 <標籤>,結束標籤則在小於號後加一個斜線:</標籤>。一組標籤對連同它所包住的內容(例如 <movie>Gone with the Wind</movie>)稱為一個元素,而介於起始與結束標籤之間的一切就是該元素的內容——上例中 Gone with the Wind 是 movie 元素的內容。起始標籤也可以帶屬性列表,如 <tag attribute1="100" attribute2="200">。
若一份 XML 文件遵守基本規則,它就是「格式良好」(well-formed)的文件。最基本的規則是:每個有起始標籤的元素都要有對應的結束標籤,而且子元素的結束標籤必須出現在包圍它的父元素結束標籤之前。
以下寫法不合規則:
<auction_item> <description> </auction_item> </description>
正確的寫法應為:
<auction_item> <description> </description> </auction_item>
W3C 的 XML 標準中有完整而詳細的規則清單。格式良好的 XML 文件至少要有一個元素,也就是必須存在根元素(不被任何其他元素包住的元素)。這使得每份 XML 文件都是層次分明的元素清單;透過把元素放進其他標籤對裡,文件得以定義父子、兄弟這些元素間的層級關係。
<?xml version="1.0"?>
<!-- This is an example of airline flights in XML -->
<flight_schedule>
<flight flight_number="1073/61">
<origination>
<city>Raleigh, NC</city>
<airport>RDU (Raleigh Durham Intl.)</airport>
</origination>
<destination>
<city>San Francisco</city>
<airport>SFO (San Francisco Intl.)</airport>
</destination>
<connection>
<city>Charlotte, NC</city>
<airport>CLT</airport>
</connection>
<airline>US Airways</airline>
<price>1492.00</price>
<aircraft>
<manufacturer>Boeing</manufacturer>
<model>747</model>
</aircraft>
<movie>No</movie>
<meal>dinner</meal>
<departure_time>11:00</departure_time>
<arrival_time>14:00</arrival_time>
</flight>
<!-- 更多航班可接續於此 -->
</flight_schedule>
這份以 XML 表述的班表可讀性相當高,標籤與內容幾乎自帶說明。如果同樣的資料放在 HTML 表格裡,你幾乎不可能把資料從網頁中分離出來;但在 XML 格式下,一個旅行社程式可以輕鬆取得這些資料、存進資料庫,或重新安排它的顯示方式。
逐行來看這份範例。第一行是 XML 標準宣告:
<?xml version="1.0"?>
它告訴處理程式(這裡指 IE5 的 XML 解析器與瀏覽器)這是一份 XML 文件,並宣告它遵循哪一個 XML 版本(當時只有 1.0 版)。
下一行是註解:
<!-- An example of airline flights in XML -->
XML 的註解格式與 HTML 相同。但與 HTML 不同的是,XML 中所有起始標籤都必須有對應的結束標籤,因此位於層級最頂端的 <flight_schedule>,必須在文件結尾有一個 </flight_schedule> 與之匹配。
其餘部分則是由起始與結束標籤定義的一連串元素,描述了一份班表。每個航班包含以下層次化的資料:
Origination(出發地)→ City、Airport
Destination(目的地)→ City、Airport
Connection(轉機點)→ City、State、Airport
Airline(航空公司)
Price(票價)
Aircraft(機型)→ Manufacturer、Model
Movie(是否有電影)、Meal(餐食)
Departure_time(起飛時間)、Arrival_time(抵達時間)
把資料結構化成這樣,最大的好處是它同時對人與程式都友善:人一眼能看懂,程式也能精準取值,不必再去解析混雜著排版標籤的網頁原始碼。