簡單地說,HTML 無法完成我們希望 XML 完成的任務。原因很直接:XML 要擔的角色是元標記語言,而 HTML 只是一個實例標記語言。
在 XML 發布之前,網際網路的發展受到 HTML 幾個問題的束縛:
1)HTML 無法描述資料內容,而這一點恰恰是資料檢索與電子商務所必需的。
2)HTML 對資料表現的描述能力相當不足,例如還無法描述向量圖形、科學符號等物件,目前只能靠圖片來呈現。
3)HTML 作為實例標記語言的地位,完全無法回應不斷湧現的新標記需求。
XML 的出現讓上述問題都得到解決。可以這樣想像:如果網際網路上大家都只講方言,交換資訊時都得翻譯,那會是多麼難以溝通的世界。XML 之所以重要,正是因為它扮演了「國際語言」的角色;更進一步,XML 還為網際網路提供了定義各行各業「專業術語」的工具。
閱讀 XML 文件(原文為「文檔」)的工具一般稱為 XML 解析器,也叫 XML 處理器。它把資料傳送給應用軟體,以便處理、出版、查詢或顯示。XML 不向應用軟體提供應用程式介面(API),它只負責把資料交過去;同時,XML 處理器不會解析非格式良好的資料。
Netscape 與 Microsoft 都已把 XML 解析器納入瀏覽器。XML 開發者社群也提供免費的閱讀器與解析器,方便在應用軟體或 XML 製作工具中使用。
比較重要的理由有六點:
1)作者與供應商能用 XML 設計自己的文件類型,不必受 HTML 約束。
2)XML 的超文本連結能力遠勝 HTML,提供的資訊內容更豐富也更易使用。
3)XML 提供更多更好的機制,方便瀏覽器呈現資訊並優化效能。
4)XML 捨棄了 SGML 的複雜性,撰寫處理 XML 的應用程式相對容易。
5)資訊易於儲存、可重複使用。
6)XML 文件在 SGML 環境中也能使用,不必局限於 Web。
可以。任何程式語言都能用來從 XML 形式的來源文件輸出資料。當時已有許多前端與後端工具,讓程式設計與資料管理更為便利。Java 社群在這方面的資源尤其豐富,從 DOM、SAX 到 JAXB 等標準 API,都提供了完整的解析與綁定方案。
這是編碼問題引起的。XML 標準規定,解析器必須支援 UTF-8 與 UTF-16 兩種編碼,而且必須能自動區分這兩種編碼的檔案;對於其他編碼(包括中文常用的 GB2312 或 Big5),標準並不要求支援。
若 XML 文件中包含編碼宣告,解析器就依宣告的編碼處理,否則依自動識別的結果處理(識別結果必定是 UTF-8 或 UTF-16 之一)。因此,如果你的檔案採用這兩種以外的編碼,就必須在文件開頭加上編碼宣告:
<?xml version="1.0" encoding="gb2312"?>
這表示該 XML 檔的編碼為 gb2312。
當時市面上的解析器大多不支援 GB2312 或 Big5,因此無法讀取含中文的 XML 檔。你可以改用支援中文編碼的解析器(如 MSXML、IBM Java4C、IBM Java4J 等),也可以先用內碼轉換工具把編碼轉為 UTF-8 或 UTF-16 再解析,最後把結果轉回原編碼。當然,自己寫一支內碼轉換程式也是可行的做法。
XML 是一種檔案格式,本身並未規定與資料庫的連接方式。你需要用傳統方法連接資料庫、執行查詢,再把查詢結果轉換成 XML 格式。現有的 XML 與資料庫整合工具,大多遵循這樣的流程。
以 ASP 為例,可以直接在伺服器端動態產生 XML 檔:先建立資料庫連線與查詢物件,取得結果集後逐列輸出 XML 元素,最後設定內容類型為 text/xml 並回傳給用戶端。這種做法的優點是不必維護靜態的 XML 檔,資料一改,輸出就跟著更新;缺點則是每次請求都得重新查詢與組裝,因此常搭配快取機制使用。
回到最根本的問題:XML 與資料庫並不是互斥的技術,而是分工互補。資料庫負責可靠地儲存與查詢,XML 負責在系統之間描述與交換,兩者之間靠轉換層銜接,這也正是大多數整合方案的架構。