初步认识XML基础知识（图文）：从结构到应用的入门详解

XML全称是eXtensible Markup Language，中文叫做可扩展标记语言。它的设计初衷是为了传输和存储数据，而不是展示数据。与HTML专注于页面的呈现不同，XML关注的是数据本身的内容和结构，它允许开发者自定义标签名称，用来描述各种各样真实世界中的信息，比如一本书的标题、作者和价格，或者一个用户的姓名、邮箱和电话。正因为这种灵活性和自描述性，XML在配置文件、接口报文、文档交换等场景中被广泛使用，即使如今JSON盛行，XML依然是很多企业级系统和传统协议中不可替代的角色。

XML的基本结构与语法规则

一份规范的XML文档通常以声明开头，声明用于说明XML的版本以及文档所使用的字符编码。声明必须写在文档的第一行，前面不能有任何空格或空行。下面是一个非常典型的XML示例，描述了一份简单的图书信息：

<?xml version="1.0" encoding="UTF-8"?>
<bookstore>
    <book category="计算机">
        <title>深入理解计算机系统</title>
        <author>Randal E. Bryant</author>
        <price>139.00</price>
    </book>
    <book category="文学">
        <title>活着</title>
        <author>余华</author>
        <price>28.00</price>
    </book>
</bookstore>

从上面的例子可以看出，XML文档是一棵严格的树形结构。整个文档必须有且只有一个根元素，这里就是bookstore元素，其余所有元素都是它的子元素，层层嵌套下去。每个元素由开始标签和结束标签组成，标签名区分大小写，比如<Book>和<book>会被视为两个完全不同的标签，这一点和HTML的宽松处理方式截然不同。

XML对格式的检查非常严格，有几条规则必须牢记：一是所有标签必须正确闭合，空元素可以使用自闭合写法，例如<br />；二是标签不能交叉嵌套，必须先开的后关，像<a><b></a></b>这样的写法是非法的；三是属性值必须用引号包裹，单引号或双引号均可，但不能省略。满足这些规则的XML被称为格式良好的XML，如果格式不正确，绝大多数解析器会直接报错拒绝处理，这其实是XML严谨性带来的好处，能够在数据交换的源头就发现错误。

除了元素和属性，XML还支持注释、CDATA段和特殊字符转义。注释的写法与HTML相同，使用<!-- 注释内容 -->的形式，注释不能出现在声明之前，也不能嵌套。当需要写入大量包含尖括号等特殊字符的文本时，比如一段代码片段，可以使用CDATA段包裹，解析器会将其中的内容当作纯文本处理：

<description>
    <![CDATA[
        if (a < b && b < c) { return true; }
    ]]>
</description>

XML与HTML的核心区别

初学者最容易混淆的就是XML和HTML的关系。两者都源自SGML，都使用标签和属性来组织内容，外形上非常相似，但设计目标完全不同。HTML中的标签是预先定义好的，比如<div>、<p>、<img>，它们各自有浏览器约定俗成的显示效果，写错了标签浏览器往往也能容错渲染。而XML中的标签完全由开发者自定义，没有任何预设的显示含义，它的价值在于描述数据的结构和含义。

可以从几个维度来对比。第一，目的不同：HTML用来展示数据，XML用来描述和传输数据。第二，语法严格程度不同：HTML允许省略某些闭合标签、属性值可以不加引号，XML则要求所有标签严格闭合、大小写一致、属性必须带引号。第三，标签是否可扩展：HTML的标签集是固定的，XML的标签由开发者根据业务自由定义。下面的表格做一个直观的总结：

理解了这个区别之后，就能明白为什么很多系统之间的数据交换选择XML作为载体。因为XML自带结构描述能力，接收方即使事先不了解数据内容，也能通过标签名称理解每个字段的含义，这种自描述性在异构系统集成时非常宝贵。当然，也正因为标签冗余较多，同样一份 XML 文档的体积通常比等价的JSON大不少，这也是后来JSON在Web领域逐渐占优的原因之一。

XML的实际应用场景与解析方式

XML在实际开发中的应用非常广泛。最常见的就是各类配置文件，比如早期Java开发中的web.xml、Spring的applicationContext.xml、Maven的pom.xml，以及Android开发中的布局文件和清单文件，都采用XML格式。此外，很多Web Service接口、RSS订阅源、Office文档格式（docx本质上就是一个XML文档的压缩包）也都基于XML构建。可以说，即便你不主动使用XML，它也广泛存在于你每天接触的软件之中。

有了XML文档，程序就需要读取其中的数据，这个过程叫做解析。主流的解析方式有两种：DOM解析和SAX解析。DOM解析会把整个XML文档一次性加载到内存中，构建成一棵树形对象结构，之后可以随机访问任意节点，修改、删除、遍历都非常方便。它的缺点是内存占用大，不适合处理特别大的文档。以Python为例，使用内置的xml.dom.minidom模块解析上面的图书XML：

from xml.dom.minidom import parse

# 解析XML文档并构建DOM树
dom = parse("books.xml")
books = dom.getElementsByTagName("book")
for book in books:
    title = book.getElementsByTagName("title")[0].firstChild.data
    price = book.getElementsByTagName("price")[0].firstChild.data
    print("书名：%s，价格：%s" % (title, price))

SAX解析则采用事件驱动的流式方式，解析器从头到尾顺序读取文档，遇到开始标签、结束标签、文本内容时会依次触发相应的回调函数，程序在这些回调中处理数据。它不需要把整个文档载入内存，因此非常适合处理体量巨大的XML文件，缺点是只能顺序读取、无法回退，也不方便直接修改文档结构。除了这两种传统方式，很多语言还提供了折中的方案，例如Java中的JDOM和DOM4J、Python中更友好的ElementTree，它们在易用性和性能之间取得了较好的平衡：

import xml.etree.ElementTree as ET

tree = ET.parse("books.xml")
root = tree.getroot()
# 遍历所有book节点，读取子元素内容
for book in root.findall("book"):
    print(book.get("category"),
          book.find("title").text,
          book.find("price").text)

总的来说，学习XML不需要死记硬背太多概念，重点掌握三点即可：一是树形结构和标签嵌套规则，保证写出的文档格式良好；二是元素与属性的选择，一般来说，描述数据内容用元素文本，描述元信息用属性，一个节点上同一个信息不要既写成属性又写成子元素；三是根据实际数据量选择合适的解析方式，小文件用DOM图省事，大文件用SAX或StAX控制内存。掌握了这些基础，再去接触DTD和XML Schema等校验机制、XPath查询语言、XSLT转换等进阶内容时，就会顺利很多。XML虽然看起来有些老派，但它背后的树形数据建模思想是通用的，值得每个开发者认真学一遍。

XML基础知识XML语法XML解析修改时间：2026-09-09 22:09:43