XML入门（1）

简介

XML，也称为可扩展标记语言（Extensible Markup Language），是一种可以用来创建自己的标记的标记语言。它由万维网协会（W3C）创建，用来克服 HTML的局限。和 HTML 一样，XML 基于 SGML — 标准通用标记语言（Standard Generalized Markup Language）。尽管 SGML 已在出版业使用了数十年，但其理解方面的复杂性使许多本打算使用它的人望而却步。XML 是为 Web 设计的，语法上要比SGML简单许多。

为什么需要 XML？

HTML始终是最成功的标记语言。几乎可以通过任何的设备（小到掌上电脑和手机，大道巨型机）上来查看HTML编辑。也可以通过特定的工具将HTML标记转换成语音或其他格式。既然HTML如此的出色，为什么还有新建XML呢？让我们先来看看下面这个例子吧。

<p><b>张三</b>

<br>

20

</br>

<I>中国湖南</I>

 

即使不用浏览器查看上面的HTML文档，也能看出这是某个人的个人信息。作为人，您能通过你的智慧来了解这个文档的意图，但是机器呢？这个文档只简单的浏览器如何显示该信息，但并没有告诉浏览器这信息是什么。

 

处理 HTML

 

现在如果要对这个HTML进行处理，希望能够抽取出个人信息中的姓名信息，下面可以使用如下算法。

找到有<b></b>标记中的内容。

尽管这个算法能够对这个示例其作用，但是对于全世界所有的网页，这个算法根本起不了作用。