标准通用标记语言已经有大约二十年的历史了。SGML 最初是为处理大型文档集而设计的，但 SGML 既不是编程语言，也不是文本格式化语言。相反，它是一种元语言，允许定义自定义标记语言。今天最著名的基于 SGML 的语言无疑是 HTML。

由于 SGML 已经存在了二十年，许多公司都提供 SGML 工具和产品，并且它在许多高端文档处理应用中根深蒂固。SGML 是一种相当庞大的语言；但是，理解其基础知识并不十分困难。它确实包含许多很少使用的功能，这些功能更难理解。实现一个完整的 SGML 解析器是困难的，这使得 SGML 有了可怕复杂性的声誉。这种声誉并非完全名副其实，但它足以吓退许多人不去使用它。

因此，XML 是 SGML 的精简版本，它牺牲了一些功能以换取更容易理解和实现。它仍然是一种元语言，但 SGML 的许多较少使用的功能和选项已被删除。《XML 1.0 规范》大约有 40 页长，并且可以在几周的努力内实现一个解析器。

使用 XML 指定的标记语言看起来很像 HTML

<?xml version="1.0"?>
<!DOCTYPE myth SYSTEM "myth.dtd">
<myth>
 <name lang="latin">Hercules</name>
 <name lang="greek">Herakles</name>
 <description>Son of Zeus and Alcmena.</description>
 <mortal/>
</myth>

XML 文档由一个包含子元素的单个元素组成，子元素内部可以有更深层次的子元素。元素由文本中的标签指示，标签由尖括号 <...> 内的文本组成。有两种形式的元素可用。元素可能包含开始标签和结束标签之间的内容，例如 <name>Hercules</name>，这是一个包含数据 Hercules 的 name 元素。此内容可以是文本数据、其他 XML 元素或两者的混合。元素也可以是空的，在这种情况下，它们表示为以斜杠结尾的单个标签，例如 <mortal/>，这是一个空的 stop 元素。这与 HTML 不同，在 HTML 中，空元素（如 <BR> 或 <IMG>）与非空元素（如 <H1>）的指示方式没有区别。同样与 HTML 不同的是，XML 元素名称区分大小写；mortal 和 Mortal 是两种不同的元素类型。

开始标签和空标签也可以包含属性，这些属性指定与元素关联的值。例如，文本如 <name lang="greek">Herakles</name>，name 元素具有一个值为 “greek” 的 lang 属性。在 <name lang="latin">Hercules</name> 中，属性的值为 “latin”。与 HTML 的另一个不同之处在于，属性值周围的引号不是可选的。

给定 XML 应用程序的规则由文档类型定义 (DTD) 指定。DTD 仔细列出了允许的元素名称以及元素如何在彼此内部嵌套。DTD 还指定了可以为每个元素定义的属性、它们的默认值以及它们是否可以省略。例如，为了与 HTML 进行比较，代表列表中条目的 LI 元素只能出现在代表列表的某些元素（例如 OL 或 UL）内部。

文档类型定义在 DOCTYPE 声明中指定；上面的文档使用了一个名为 “mythology” 的 DTD，这是我为本文发明的。“mythology” DTD 可能包含以下声明

<!ELEMENT myth (name+, description, mortal?)>
<!ELEMENT name (#PCDATA)>
<!ATTLIST name lang ( latin | greek ) "latin">
<!ELEMENT description (#PCDATA)>
<!ELEMENT mortal EMPTY>

我不会详细介绍这些行的每个细节，但是，以 <!ELEMENT 开头的行是元素声明。它们声明元素的名称以及它可以包含的内容。因此，myth 元素必须包含一个或多个 name 元素，后跟一个 description 元素，然后是一个可选的 mortal 元素。（+、* 和 ? 的含义与正则表达式中的含义相同：一个或多个、零个或多个以及零个或一个出现。）另一方面，mortal 标签必须始终为空。

第三行声明 name 元素具有一个名为 lang 的属性；此属性可以具有 “latin” 或 “greek” 这两个值中的任何一个，如果未指定，则默认为 “latin”。

验证解析器可以被赋予 DTD 和文档，以验证给定文档是否有效，即，它是否遵循 DTD 的所有规则。这与 HTML 非常不同，因为 web 浏览器在历史上一直具有非常宽松的解析器，因此相对较少的人努力编写有效的 HTML。这种宽松性意味着用于渲染 HTML 文本的代码充满了黑客手段和特殊情况；希望 XML 不会陷入同样的纵容陷阱。

本文没有涵盖 XML 的所有功能——我没有讨论所有可能的属性类型，实体是什么，或者 XML 使用 Unicode，这使 XML 处理器能够处理以几乎任何字母表编写的数据。有关 XML 语法的完整详细信息，唯一的权威来源是 XML 1.0 规范，可在万维网联盟的 XML 页面上找到（请参阅“资源”部分）。然而，像所有规范一样，它非常正式，并非旨在作为友好的介绍或教程。更温和的介绍开始出现在网络和书店的书架上。

XML 很可能在未来几年变得非常普遍。许多新的与 web 相关的数据格式正在作为 XML DTD 草拟；三个例子是用于指定数学方程式的 MathML、用于分类和描述信息资源的 RDF（资源描述框架）以及用于同步多媒体的 SMIL。还有个人在努力为各种应用定义 DTD，包括家谱数据、电子数据交换和矢量图形；列表一直在增长。

XML 主要不是 HTML 的竞争对手。万维网联盟计划将下一代 HTML 基于 XML，但目前形式的 HTML 不会很快消失。许多人已经学习了 HTML 并愉快地使用它；他们并不特别想要或需要创建新标记的能力。现在网络上有数百万个现有的 HTML 文档，将它们转换为 XML 将需要很长时间；许多文档可能永远不会被转换。

XML 将 非常重要，并且 XML 支持将非常普遍。Mozilla 和 Internet Explorer 浏览器的下一个版本都将支持 XML，并将以各种方式在内部使用它。越来越多的新数据格式被编写为 XML DTD。推动这一论点的理由很简单：如果每个平台上都可用 XML，并且如果其功能适合任务，那么使用 XML 将节省时间，而且几乎不需要付出努力，这始终是一个有说服力的论点。

此外，程序员将可以轻松访问 XML。James Clark 的 Expat 解析器（请参阅“资源”部分）是高质量代码，并且根据 Mozilla 公共许可证的条款免费提供。我不会惊讶地看到未来的 Linux 发行版将 Expat 作为基本系统的一部分提供。用于 Python、Perl 和 Tcl 等脚本语言的 Expat 接口已经在开发中，并且可能在您阅读本文时已经完成。很快，向程序添加 XML 解析将像向您的代码添加 from xml import parsers 或 use XML::Parser 一样容易。