XML全称是eXtensible Markup Language，即可扩展标记语言。它被设计用来传输和存储数据，与HTML负责展示数据不同，XML关注的是数据本身的描述。虽然现在JSON在Web接口中占据了主流地位，但XML在配置文件、办公文档格式（如docx、xlsx内部结构）、SOAP协议、RSS订阅、安卓界面布局等领域依然广泛应用。掌握XML语法是学习这些技术的基础，本文将系统介绍XML的各项语法规则和使用方法。
XML文档的基本结构
一个规范的XML文档由两部分组成：XML声明和文档主体。XML声明必须是文档的第一行，它告诉解析器这个文档遵循哪个版本的XML规范、使用什么字符编码。声明看起来像这样：
<?xml version="1.0" encoding="UTF-8"?>
<books>
<book>
<title>XML入门教程</title>
<author>张三</author>
<price>49.90</price>
</book>
</books>上例中第一行就是XML声明，其中version属性是必填的，encoding属性指定字符编码，一般推荐使用UTF-8。如果省略encoding，解析器可能按照默认编码解析，遇到中文就容易出现乱码或解析失败。声明中的问号和xml之间的顺序、大小写都不能写错，写成<?XML ...?>或者<?xml ...?>以外的形式都会导致解析错误。
声明之后是文档的根元素。任何一个XML文档必须有且仅有一个根元素，所有其他元素都必须嵌套在根元素内部。上面的例子中，<books>就是根元素。如果文档中出现了两个平级的顶层元素，比如连续写两个<books>，这份文档就不符合规范，解析器会直接报错。这个规则常被称为“单根原则”，是初学者最容易违反的语法点之一。
元素、标签与嵌套规则
XML中的元素由开始标签、内容和结束标签组成，例如<title>XML入门教程</title>。标签名称可以自定义，这正是“可扩展”的含义所在。但自定义标签名必须遵守命名规则：名称可以包含字母、数字和其他字符，但不能以数字或标点符号开头，不能包含空格，也不能以xml、XML等保留字开头。
与HTML不同，XML是严格区分大小写的。<Book>和<book>会被视为两个不同的标签，因此<book>内容</Book>这种写法在HTML中浏览器可能容忍，在XML中则是致命错误。此外所有标签必须正确闭合，有两种写法：一是成对标签<name>...</name>，二是自闭合标签<name/>。空元素推荐使用自闭合写法，例如<br/>，注意斜杠前理论上建议加一个空格以兼容老浏览器，但现代解析器一般都能正确处理。
嵌套规则也是强制的。元素之间必须正确地层级嵌套，不允许交叉重叠。下面的写法是错误的：
<!-- 错误示范：标签交叉嵌套 --> <p><b>加粗文本</p></b> <!-- 正确写法 --> <p><b>加粗文本</b></p>
另外，XML会原样保留内容中的空白和换行（是否忽略由解析器配置决定），这一点与HTML会压缩连续空白的行为不同。在处理对格式敏感的数据时要特别留意。注释的写法是<!-- 注释内容 -->，注释不能出现在XML声明之前，也不能嵌套使用，注释内容中不允许出现连续两个减号。
属性、转义字符与CDATA区
元素可以在开始标签中携带属性，例如<book id="1001" category="编程">。属性值必须用引号包裹，单引号双引号都可以，但必须成对使用。属性在XML中没有严格的数量限制，但一个元素内属性名不能重复。实际开发中，建议把元数据类信息（如id）放在属性里，把内容性数据放在子元素里，这样结构更清晰。
有些字符在XML中有特殊含义，直接写在内容里会破坏文档结构，这些字符必须用转义序列表示。五个预定义实体如下表：
| 字符 | 转义序列 | 说明 |
|---|---|---|
| < | < | 小于号，标签起始符号 |
| > | > | 大于号 |
| & | & | 和号，实体起始符号 |
| ' | ' | 单引号 |
| " | " | 双引号 |
如果内容中包含大量特殊字符，比如要在XML里存放一段JavaScript或HTML代码，逐个转义会非常繁琐。这时可以使用CDATA区，格式为<![CDATA[ ... ]]>，CDATA区内的所有内容都会被解析器当作普通文本处理，不做任何解析：
<content>
<![CDATA[
if (a < b && b > c) {
alert("条件成立");
}
]]>
</content>注意CDATA区内不能出现]]>这个结束序列本身，如果确有需要，只能拆分书写或改用转义实体。
命名空间与XML校验
当一份文档中混合使用多个XML应用规范时，可能出现标签名冲突。比如都定义了<table>标签，一个表示表格，一个表示茶几。命名空间通过在标签前添加前缀来解决冲突，例如<html:table>和<furniture:table>。前缀必须通过xmlns属性声明并绑定到一个URI上，这个URI不必真实可访问，它只是一个唯一标识符：
<root xmlns:html="http://www.ipipp.com/html"
xmlns:doc="http://www.ipipp.com/doc">
<html:table>网页表格</html:table>
<doc:table>文档目录表</doc:table>
</root>符合语法规则的XML文档叫做“良构”文档，但良构不代表语义正确。要校验语义，需要借助DTD或XML Schema（XSD）定义文档结构约束。Schema本身也是XML格式，功能比DTD更强大，支持数据类型、命名空间，是目前的主流方案。使用xmllint等工具可以在发布前校验文档，把问题消灭在早期。
学习XML语法时建议多动手：先用文本编辑器手写文档，用浏览器打开检查是否良构，浏览器会直接提示出错位置；再尝试用DOM或SAX方式解析自己的文档，观察解析器行为。把这些规则练熟之后，再去学习Spring配置文件、Maven的pom.xml、安卓布局文件等具体应用，就会顺理成章。XML语法本身并不难，难的是养成严谨书写的习惯，一旦形成肌肉记忆，它就会成为你工具箱里非常可靠的一项基础技能。