learnxinyminutes-docs 之 XML 速学指南：从语法、树结构到 DTD 校验

• 文档
• 教程

XML（eXtensible Markup Language）是一种被设计用来存储数据与传输数据的标记语言，它既追求人类可读，也追求机器可读。与 HTML 不同，XML 不规定数据如何显示或格式化，它只负责"携带"数据——正是这种"数据与表现分离"的定位，使它成为配置文件、数据交换与文档描述领域的经典选择。本文以本仓库的 es/xml.md 西班牙语教程为主线，结合 英文原版 与 zh-cn 中文译本，系统讲解 XML 的语法要素、树形结构、属性与元素的区别，以及如何用 DTD 从"格式良好"走向"有效校验"，读完即可独立读懂并编写、校验标准 XML 文档。

XML 是什么：存储与传输数据的标记语言

XML 的定位非常清晰：保存数据、传输数据，而不是展示数据。教程开篇即点明：

XML 是一个被设计用来保存和传输数据的语言。与 HTML 不同，XML 不指定如何展示信息，它只是保存信息。

HTML 负责"长得好看"（决定排版与显示），XML 负责"说得清楚"（决定数据结构与含义）。这一区别带来两个直接推论：

• 人类可读：一个结构良好的 XML 文件，即使不使用任何解析器，肉眼也能读懂其中的业务含义；
• 机器可读：XML 解析器（Parser）可以按严格的语法规则提取出结构化的数据。

在仓库的 xml.md 英文原版中还强调了一个关键区分：内容（content）与标记（markup）。简单说，内容可以是任意文本，而标记（标签、属性、注释）是事先定义好的语法元素，解析器正是靠识别标记来分离出内容。

XML 基本语法：注释、声明与树形结构

XML 的语法规则非常严格，解析器遇到格式错误的文档会直接停止解析。下面是教程中给出的完整语法示例，其中每一处都伴随注释说明：

<!-- XML 中的注释长这样 --> <?xml version="1.0" encoding="UTF-8"?> <bookstore> <book category="COOKING"> <title lang="en">Everyday Italian</title> <author>Giada De Laurentiis</author> <year>2005</year> <price>30.00</price> </book> <book category="CHILDREN"> <title lang="en">Harry Potter</title> <author>J K. Rowling</author> <year>2005</year> <price>29.99</price> </book> <book category="WEB"> <title lang="en">Learning XML</title> <author>Erik T. Ray</author> <year>2003</year> <price>39.95</price> </book> </bookstore>

逐行拆解这份典型文件：

• XML 声明（prolog）：<?xml version="1.0" encoding="UTF-8"?>位于文件第一行，用于通知解析器元数据（版本与编码），它是可选但强烈推荐的；
• 树形结构：XML 使用树形结构组织数据。此例中根节点是bookstore，它有三个子节点（三个book），每个book又继续拥有title、author、year、price等子节点，层层嵌套；
• 节点的创建：节点通过"开标签 + 关标签"创建，位于开标签与关标签之间的内容就是子节点。

元素与属性：XML 携带的两类数据

教程用一个醒目的注释总结 XML 只携带两类信息：

1. 属性（Attributes）——节点的元数据。格式为name="value"，写在开标签内部。解析器通常借助属性信息来正确地组织数据；
2. 元素（Elements）——纯数据本身。位于开标签与关标签之间，是解析器真正从 XML 文件里提取的内容。

一个同时携带元素文本与多个属性的典型示例：

<!-- 下面是一个带有两个属性的元素 --> <file type="gif" id="4293">computer.gif</file>

这里type与id是属性（元数据），computer.gif是元素内容（数据本体）。

元素与属性的深入规则（英文原版补充）

西班牙语版教程聚焦"会用"，英文原版 xml.md 则补充了更完整的语法规则，这里一并归纳：

• 两种元素形式：空元素<element1 attribute="value" />（不承载任何内容，纯粹是标记）与非空元素<element2 attribute="value">Content</element2>；
• 标签构成：非空元素由开标签、内容、关标签三部分组成，如<notempty>...内容...</notempty>；
• 名称规则与大小写敏感：元素名只能包含字母和数字，且大小写敏感——<element />与<eLEMENT />是两个完全不同的元素；
• 属性特性：属性是键值对，只能出现在元素内、每个元素中同一属性最多出现一次且只持有一个值，常见的变通做法是用空格分隔的值列表（如many="space-separated list"）；
• 嵌套与树术语：元素内容可以包含其他元素，采用标准树命名法——每个元素都是一个节点（node），上一层是父节点（parent），下一层是子节点（children），同一父节点下的元素互为兄弟节点（siblings）；
• 空白保留：XML 会原样保留空白字符，因此<child>\n Text\n</child>与<child>Text</child>并不是同一份内容。

格式良好（Well-formed）与有效性（Valid）：两种不同层次的约束

教程专门用一节区分两个极易混淆的概念：

一个 XML 文档如果语法正确，就是**格式良好（well-formed）的。但还可以通过文档定义（如 DTD 或 XML Schema）向文档中注入更多限制。一个遵循某个文档定义（模式）的 XML 文档，对该定义而言就是有效（valid）**的。

换句话说：

• 格式良好：满足 XML 语法规则（标签闭合、正确嵌套、属性加引号等），这是解析器能正常读取的前提；
• 有效：在格式良好的基础上，进一步满足外部定义的结构约束（某个节点必须出现几次、必须包含哪些子节点、属性默认值是什么）。

这正是 DTD（Document Type Definition）的用武之地——借助它，你可以在应用逻辑之外预先校验 XML 数据，把合法性检查前移到数据入口处。

外部 DTD：用独立文件声明文档结构

教程展示了如何通过DOCTYPE引用一个外部的 DTD 文件：

<?xml version="1.0" encoding="UTF-8"?> <!DOCTYPE note SYSTEM "Bookstore.dtd"> <bookstore> <book category="COOKING"> <title>Everyday Italian</title> <price>30.00</price> </book> </bookstore>

<!DOCTYPE note SYSTEM "Bookstore.dtd">声明了根元素（bookstore）以及 DTD 文件的路径（Bookstore.dtd）。注意此例中<book>只保留了title与price两个子节点，对应下方 DTD 的简化约束。

对应的 DTD 文件内容（Bookstore.dtd）可能长这样：

<!DOCTYPE note [ <!ELEMENT bookstore (book+)> <!ELEMENT book (title,price)> <!ATTLIST book category CDATA "Literature"> <!ELEMENT title (#PCDATA)> <!ELEMENT price (#PCDATA)> ]>

逐条解读这份 DTD 的语义：

• <!ELEMENT bookstore (book+)>：声明根节点bookstore，括号中的book+表示它必须包含一个或多个book子节点（+是出现次数限定符）；
• <!ELEMENT book (title,price)>：每个book必须恰好包含一个title和一个price（按顺序）；
• <!ATTLIST book category CDATA "Literature">：book应当带有一个名为category的属性，类型为 CDATA（字符数据），若未显式给出，则取默认值"Literature"；
• <!ELEMENT title (#PCDATA)>与<!ELEMENT price (#PCDATA)>：这两个节点只能包含已解析的字符数据（parsed character data），即只能有纯文本、不能再有子元素。

值得留意的是，教程的示例中属性值写作category="COOKING"，而 DTD 声明了category属性的默认值为"Literature"——这正是校验的意义：若某处遗漏该属性，校验器就会应用 DTD 中规定的默认值，保证数据结构的一致性。

内部 DTD：把定义直接写进 XML 文件

除了外部引用，DTD 也可以直接内嵌在 XML 文件自身的DOCTYPE中：

<?xml version="1.0" encoding="UTF-8"?> <!DOCTYPE note [ <!ELEMENT bookstore (book+)> <!ELEMENT book (title,price)> <!ATTLIST book category CDATA "Literature"> <!ELEMENT title (#PCDATA)> <!ELEMENT price (#PCDATA)> ]> <bookstore> <book category="COOKING"> <title>Everyday Italian</title> <price>30.00</price> </book> </bookstore>

内部 DTD 与外部 DTD 的约束声明完全一致，区别仅在于定义的位置：内部形式适合小规模、自包含的文档；外部形式便于多个文档共享同一套结构约束，是更利于复用的工程化做法。

DTD 的局限与 XSD：现代替代方案

英文原版 xml.md 在结尾补充了 DTD 的历史背景与演进方向：

DTD 的支持之所以无处不在，是因为它足够古老。遗憾的是，命名空间（namespaces）等现代 XML 特性并不被 DTD 支持。XML Schema Definition（XSD）正是为取代 DTD、定义 XML 文档文法而生的。

这是选型时的重要提醒：DTD 兼容性极好但表达能力有限；当需要命名空间、数据类型约束（如整数、日期）等现代特性时，应转向 XSD。教程中同时提供了在线校验 XML 以及 XSD 教程的延伸阅读入口，作为实战查漏补缺的工具。

在 learnxinyminutes-docs 中的组织方式与学习价值

本仓库（learnxinyminutes-docs）的核心理念是"以代码形式编写的文档"（Code documentation written as code!），每一篇教程都以"带注释的合法代码"为骨架展开讲解。XML 教程遵循同样的规范：

• 每个语言/格式教程对应一个 Markdown 文件，如英文原版 xml.md、西班牙语版 es/xml.md、中文版 zh-cn/xml.md；
• 文件头部是 YAML frontmatter 元数据（作者 contributors、译者 translators 等），由仓库的 lint/frontmatter.py 统一校验——该脚本用 yamllint 检查格式，并限制name、filename、contributors、translators等允许的键，详见 CONTRIBUTING.md；
• 英文版 frontmatter 还声明了filename: learnxml.xml，即该教程配套的可下载示例代码文件名，网站构建时会把文章中的代码片段拼合为可下载文件。

因此，阅读本教程时你可以横向对照三种语言版本：英文版结构最完整（含元素嵌套、空白保留、XSD 对比等进阶细节），西班牙语与中文版更聚焦核心语法与 DTD 校验。无论哪一版，掌握"格式良好 ≠ 有效"、属性与元素的二分、以及DTD 外部/内部两种声明方式这三条主线，就抓住了 XML 使用的精髓，足以支撑你在实际项目中编写、阅读并校验 XML 数据。

• 文档
• 教程