在三维图形领域，用纯文本描述一个立体物体听起来很反直觉，但XML凭借其自描述的结构化能力，成了不少开放格式的首选。它通过嵌套标签把几何数据、材质、变换矩阵分层记录，既能被人阅读，也能被程序稳定解析。常见的Collada（.dae）就是典型代表，工业界和游戏中间件经常用它做资产交换。
XML描述3D模型的基本思路
三维模型最核心的信息是几何形状。在XML里，我们通常不会把每个三角形的坐标直接散落在各处，而是先把所有顶点集中放在一个<vertices>节点中，再用法线、纹理坐标等辅助数据配合，最后用索引列表告诉解析器哪些顶点拼成哪个面。这种“先定义资源，再引用资源”的方式，和HTML里先用<defs>再<use>的思路类似，能大幅减少重复数据。
除了几何，模型还包含层级关系。比如一个机器人由躯干、左臂、右臂组成，XML可以用父子节点表达这种树状结构。每个节点带自己的位移、旋转、缩放，解析时做矩阵乘法就能得到世界坐标。比起写死绝对坐标，这种局部变换让动画和复用简单得多。
一个最小化的XML模型示例
下面这段XML用一个mesh描述了两个三角形拼成的正方形。注意顶点写在source里，面用p标签里的索引引用它们。实际格式如Collada会更复杂，但原理一致。
<?xml version="1.0" encoding="utf-8"?>
<model name="square">
<mesh>
<vertices>
<position>0 0 0</position>
<position>1 0 0</position>
<position>1 1 0</position>
<position>0 1 0</position>
</vertices>
<triangles count="2">
<p>0 1 2</p>
<p>0 2 3</p>
</triangles>
</mesh>
</model>
上面的代码里，position节点按顺序定义了四个点，triangles里的p节点用顶点下标画出两个三角面。解析器读入后，只需按索引取出坐标送到渲染API即可。若以后要加颜色，只需在vertices里补一个color节点，老代码不引用就不会出错。
常用基于XML的3D格式对比
并不是所有XML 3D格式都长一个样。Collada偏重通用性，几乎覆盖场景、动画、物理；X3D专注网页端交互三维；OBJ虽然也常带XML变体，但传统上是纯文本非严格XML。选择时要看工具链支持度。
| 格式 | 典型扩展名 | 优势 | 劣势 |
|---|---|---|---|
| Collada | .dae | 跨软件、信息全 | 文件大、解析慢 |
| X3D | .x3d | 适合网络传输 | 生态小于glTF |
| VRML后续XML版 | .wrl变体 | 早期三维网页标准 | 已逐渐淘汰 |
从表里能看出，XML方案普遍在“可读、可调试”上得分高，但在“加载性能”上吃亏。现代引擎如Unity或Unreal通常导进XML资产后，会立刻转成自家的二进制中间格式，避免运行时解析文本。
解析时的注意点
写解析器时，不要假设XML里坐标一定是空格分隔。有的导出工具用逗号，有的用换行。稳妥做法是按标签文本做split，并过滤空串。另外，矩阵数据常以column-major形式平铺在十六个float里，映射到代码里的二维数组要注意转置。
// 简单解析顶点列表，假设以空格分隔
#include <string>
#include <vector>
#include <sstream>
std::vector<float> parse_positions(const std::string& text) {
std::vector<float> out;
std::istringstream iss(text);
float v;
while (iss >> v) {
out.push_back(v);
}
return out;
}
这段代码演示了如何从XML节点文本里提取浮点数列。真实项目里你会用tinyxml2或pugixml这类库先取节点，再把inner text交给上面的函数。这样分层处理，比正则直接啃原始文件可靠得多。
为什么今天仍要懂XML建模型
尽管glTF等二进制JSON格式抢走了不少风头，很多传统CAD、仿真软件的导出面板里依然躺着Collada选项。当你拿到一个.dae文件，看不懂它的XML结构，就不知道为什么模型导入后材质丢了，或者骨骼错位。懂了结构，你甚至能手写脚本批量改节点名，省去打开重型建模软件的麻烦。
另外，教学和设计配置文件时，XML的显式标签比括号匹配的语言更友好。初学者改一个<translate>的值就能看到物体移动，这种即时反馈对理解三维空间很有帮助。所以即便生产环境走二进制，XML仍是最好的“人类可读中间层”。