很多人第一次接觸 XML,是因為聽說它能「讓資料互通」。但要真正判斷該不該用它,得先弄清楚它究竟提供了什麼。以下十點,是理解 XML 定位最省力的切入方式。
試算表、通訊錄、系統設定檔、財務交易紀錄、工程圖面——這些都屬於結構性資料。XML 提供的是一套文字規則,用來告訴你資料該怎麼組織、怎麼標示意義。它不是程式語言,你不需要具備程式設計背景也能讀懂它。也因為它是純文字的開放格式,跨平台、可國際化,天生就沒有 Unicode 那類編碼困擾。
XML 同樣使用標籤(用 < 與 > 包住名稱)與屬性(name="value" 的形式)。差別在於:HTML 預先定義了每個標籤的含義與瀏覽器該如何呈現;XML 只用標籤標示「這段資料是什麼」,畫面長什麼樣子則交給應用程式決定。所以看到一份 XML 裡的 <p>,別急著以為它是「段落」——依上下文,它可能是 price(價格)、parameter(參數)或 person(一個人)。標籤名稱的語意由使用者的應用領域賦予。
以文字格式儲存資料的好處很實際:不必安裝產生它的那套軟體,任何文書處理器都能打開;開發者除錯時也更容易理解內容。不過 XML 的規則比 HTML 嚴格得多——少一個結束標籤、漏一個引號,整份文件就無法通過解析。HTML 通常會容忍這類錯誤並自行補救,XML 則會立即停止並回報錯誤位置。這種「不猜測」的設計,正是資料可靠性的基礎。
因為全靠標籤撐起語意,XML 檔案幾乎一定比同內容的二進位格式更大。這是設計上必須接受的取捨,但實際影響比想像中小:硬碟空間早已不是瓶頸,zip、gzip 等壓縮工具能輕鬆縮小檔案,而 HTTP/1.1 等傳輸協定本身就支援在傳送時壓縮。換句話說,冗長的代價多半在傳輸前就被抵銷掉了。
XML 1.0 只定義了標籤與屬性的基本文法,周邊則長成了一整個生態系:
XML 的開發始於 1996 年,1998 年 2 月成為 W3C 推薦標準。但它的血統並不年輕:前身 SGML 早在 1980 年代初期就已開發,1986 年成為 ISO 標準,長期被用於大型技術文件專案;HTML 則從 1990 年起發展。XML 的設計者做的是取 SGML 最經得起考驗的部分,再用 HTML 的實務經驗把它收斂得更規範、更易上手。SGML 的強項始終在技術文件領域,XML 則把同樣的能力帶進了更廣的資料交換場景。
W3C 的 XHTML 就是一個以 XML 規則重寫 HTML 的成果。它保留了大部分 HTML 元素,語法則為符合 XML 而調整;同時透過文件型別定義,明確限制哪些標籤可用,並再度賦予語意——在 XHTML 中,<p> 就是段落,不會被誤解成價格或人名。
XML 讓你能組合、重用既有的格式來定義新的文件型別。但兩份獨立發展的格式若用了同名標籤,合併時就會衝突(同一個 <p>,一邊指段落,一邊指人物)。為了解決這個問題,XML 引進了 namespace(命名空間)機制。XSL、RDF 都建立在命名空間之上,XML Schema 也提供了把兩份規格組合成第三份規格的標準做法。
XML 為 W3C 的 RDF 提供了統一的語法基礎。RDF 表達的是資料之間的關係:普通的網頁連結把一段文字連到某個資源,RDF 則能替這段關係命名——「甲是乙的價格」、「甲比乙重」、「甲是乙的原因」。而當人與機器要對某個詞在特定領域中的用法達成共識時,就需要一套被明確定義的詞彙表,這就是 Ontology(本體)。RDF、Ontology 加上 XML 的語法基礎,才讓電腦有余力分擔 Semantic Web 上的推論工作。
選 XML 當專案基礎,等於一次接入大量成熟工具與多年累積的工程經驗。這有點像資料庫開發選擇 SQL:語法與標準是公共的,你仍需自己設計 schema、寫自己的程式,但不必從零發明一切,也不必被單一廠商綁住。XML 不見得是所有情境的最佳解,但它永遠值得放進你的評估清單。