本文為 W3C XML 1.0 第二版建議(2000 年 10 月 6 日)的中文導讀。需要提醒的是:英文版是唯一正式版本,本文件僅供理解參考。
XML(Extensible Markup Language,可擴充標記語言)完整描述了一類稱為 XML 文件的資料物件,也部分規定了處理這些物件的程式該如何運作。它是 SGML(Standard Generalized Markup Language,標準通用標記語言,ISO 8879)針對特定領域的一個子集,目的是讓在 Web 上提供、接收與處理通用 SGML 這件事,變得能像使用 HTML 一樣容易。設計上同時兼顧了實作的便利性與和 SGML、HTML 的互通性。
本文件已由 W3C 組織成員與相關各方審閱,並經組織理事核准為 W3C 建議,屬於穩定文件,可用作參考資料或正式引用來源。它所規定的語法,是取一個已廣泛使用的文本處理國際標準(SGML,經增補與更正的 ISO 8879:1986(E))的子集而建立的,由 W3C XML 行動組(XML Activity)完成。
特別要注意:XML 1.0 第二版不是一個新版本(第一版於 1998 年 2 月 10 日發表),它只是把第一版勘誤表中的修正合併進來,方便讀者一次讀到正確內容。
XML 描述了一類稱為 XML 文件的資料物件,同時部分描述了處理這些物件的電腦程式行為。它是 SGML 的受限形式;依定義,每一份 XML 文件同時也是一份合規的 SGML 文件。
XML 文件由稱為實體的儲存單元組成,實體可包含已剖析或未剖析的資料。已剖析資料由字符構成,其中一些構成字符資料,另一些構成標記;標記描述了文件的儲存配置與邏輯結構,而 XML 提供了一套機制用來約束這兩者。
讀取 XML 文件並存取其內容與結構的軟體模組稱為 XML 處理器;它被設想為服務於另一個稱為應用的模組。本規範正是從「處理器該如何讀取 XML」以及「該向應用提供哪些資訊」這兩個角度,來定義處理器必須執行的行為。
XML 由 W3C 於 1996 年成立的 XML 工作組(前身為 SGML 編輯審查委員會)開發,由 Sun Microsystems 的 Jon Bosak 主持,W3C 的 XML SIG 亦積極參與,聯絡人為 Dan Connolly。
十項設計目標依序為:
前十條大致都在講「好上手」,唯獨最後一條在講取捨:為了讓文件可讀、可驗證,XML 寧可犧牲一些精簡度。這也解釋了為什麼 XML 檔案看起來總是比較冗長——那是刻意的選擇,不是設計缺陷。
本規範搭配 Unicode 與 ISO/IEC 10646(字符集)、RFC 1766(語言識別碼)、ISO 639(語言名稱代碼)、ISO 3166(國家名稱代碼)等標準,即提供了理解 XML 1.0 與實作處理程式所需的全部資訊。在完整保留所有文本與法律聲明的前提下,本版規範可自由散布。
規格中反覆出現的幾個情態詞,各自有明確且不同的後果,讀規格時務必分清楚:
把「格式正確性」與「有效性」這兩條分清楚,是讀 XML 規格最重要的一件事:前者違反會讓文件直接無法解析,後者只在驗證時被指出。