1.1.4 HTML和XML

超文本置标语言（Hyper Text Markup Language，HTML）是编制Web页面文档的语言。HTML是标准通用型置标语言（Standard Generalized Markup Language，SGML）的一种。SGML是定义结构化文本类型和标识这些文本类型的标记语言系统。HTML的标记符定义了文档结构、字形字体、版面布局、超链接等超文本文档结构，使Web浏览器能够阅读和重新格式化任何Web页面。HTML支持Object标记和层叠风格表单（Cascading Style Sheets，CSS）。通过支持ISO 10646字符集，支持任何语言所需的标记，为编程者插入对象和脚本提供了方便，并在文件中支持格式项。HTML最新版本HTML 5.0增加了更多样化的API，提供了嵌入音频、视频、图片的函数、客户端数据存储，以及交互式文档。其他特性包括新的页面元素，如<header>、<section>、<footer>和<figure>。通过制定处理所有HTML元素的规则，以及从错误中恢复的规则，HTML 5.0改进了互操作性，并降低了开发成本。

HTML仅关注Web浏览器的页面安排，缺乏对结构化数据的表示能力，采用单一固定语法，缺乏可扩展性。因此，HTML难以用于显示除文本之外的其他需求，如数据处理、刷新排列、存储、转发、交换、加密及签名等；难以满足协同工作、信息重用对大量动态数据使用统一数据格式进行表示和管理的需要。

可扩充的置标语言（Extensible Markup Language，XML）是一种元语言（用来描述其他语言的语言）。它可以让用户定义自己的标记语言，在XML文件中描述并封装数据。XML实际上是SGML的一个优化子集。SGML是ISO在1986年推出的用来创建标记语言的语言标准，它提供了一种将数据内容与显示分离开来的数据表示方法，使得数据独立于机器平台和处理程序之外。SGML在大型文档管理、出版业等领域取得了非常好的应用，但它的复杂性使其难以直接应用到Internet上。基于SGML的HTML语言主要考虑数据的外观表示，在可扩展性、交互性和语义方面则先天不足，缺乏对结构化数据的表示能力。

鉴于SGML和HTML各自的优点与缺陷，WWW协会（World Wide Web Consortium，W3C）于1998年正式公布了XML 1.0规范。XML在数据交换、存储和描述等方面都具有自己的优点，它保留了SGML 80%的功能，但只有SGML约20%的复杂度，使之可以直接用于网上传输。XML突出了数据的语义与元素结构描述能力，从而可以解决协同工作、信息重用中面临的许多问题。

2001年5月W3C又推出了一个替代DTD（Data Type Definition）的建议标准，称为模式（Schema）。Scheme比DTD更具灵活性，功能也更强大。例如，支持多种数据类型、支持命名空间（Namespace）等。它将逐渐代替DTD，并进一步推动XML的广泛应用。

简而言之，XML和HTML的本质区别是：HTML标记是定义数据的，用来描述怎样在屏幕上显示信息，解决人机交互的问题，而XML是用来描述信息是什么，用来存储数据的，重在数据本身，解决机器之间的交互问题。