站长百科 | 数字化技能提升教程 数字化时代生存宝典 
在 Debian 操作系统中，我们可以使用各种工具和库来处理 XML 数据。扩展标记语言 Extensible Markup Language (XML) 是一种标记语言，用于含有结构化信息的文档，广泛用于数据交换和存储。
一、XML基本提示
XML 文本看起来有些像 HTML.它能够使我们管理一个文档的多个格式。一个简单的 XML 系统是 docbook-xsl 软件包，在这里使用。
1、每一个 XML 文件使用下面的标准 XML 声明开始。
<?xml version="1.0" encoding="UTF-8"?>
2、XML 元素的基本语法是按下面的方式标记。
<name attribute="value">content</name>
3、内容为空的 XML 元素，使用下面的短格式标记。
<name attribute="value" />
上面列子中的 "attribute="value"" 是可选的。
4、XML 里面的注释部分，是按下面的方式标记。
<!-- comment -->
不同于增加标记，XML 至少要求使用预定义实体里的内容来转化下列字符。
XML 预定义实体列表：
| 预定义实体 | 转化的字符 |
|---|---|
" |
" : 引号 |
' |
' : 撇号 |
< |
< : 小于号 |
> |
> : 大于号 |
& |
& :＆号 |
注意：
- “<”或“&”不能在属性（attributes）或元素（elements）中使用；
- 当 SGML 式样的用户定义实体，比如 "&some-tag;", 被使用的时候，第一个定义会覆盖其它的。实体定义在 "<!ENTITY some-tag "entity value">"里表示；
- 只要 XML 标记是一致使用某一标签名集合（一些数据作为内容或属性值），使用 Extensible Stylesheet Language Transformations (XSLT) 来转换到另外一个 XML，是一个微不足道的任务。
二、XML处理
有许多工具可以用于处理 XML 文件，比如说： 可扩展样式表语言 Extensible Stylesheet Language (XSL).一旦创建了一个好的成形的 XML 文件，基本上来讲，就可以使用 可扩展样式表语言转换 Extensible Stylesheet Language Transformations (XSLT)，将其转换成任何格式。
格式化对象的可扩展样式表语言 Extensible Stylesheet Language for Formatting Objects (XSL-FO) 是用来作为格式化的解决方案. fop 软件包比 Debian main 档案库要新，因为它依赖 Java 编程语言. LaTeX 代码通常是从 XML 使用 XSLT 生成，LaTeX 系统是用来创建 DVI, PostScript 和 PDF 这类可打印的文件。
XML 工具列表：
| 软件包 | 流行度 | 大小 | 关键词 | 说明 |
| docbook-xml | I:397 | 2134 | xml | DocBook 的 XML 文档类型定义（DTD） |
| docbook-xsl | V:13, I:144 | 14851 | xml/xslt | 使用 XSLT 将 DocBook XML 处理成各种输出格式的 XSL 样式表 |
| xsltproc | V:16, I:80 | 162 | xslt | XSLT 命令行处理器 (XML→ XML, HTML, 纯文本，等等) |
| xmlto | V:0, I:14 | 130 | xml/xslt | 使用 XSLT 将 XML 转换到任意格式的转换器 |
| fop | V:0, I:12 | 285 | xml/xsl-fo | 转换 Docbook XML 文件到 PDF |
| dblatex | V:2, I:10 | 4643 | xml/xslt | 使用 XSLT 将 Docbook 文件转换为 DVI, PostScript, PDF 文档 |
| dbtoepub | V:0, I:0 | 37 | xml/xslt | DocBook XML 到 .epub 转换 |
由于 XML 是标准通用标记语言 Standard Generalized Markup Language (SGML)的一个子集,用于处理 SGML 的扩展工具，也能够处理 XML，比如说 文档式样语言和规范语言 Document Style Semantics and Specification Language (DSSSL).
DSSSL 工具列表：
| 软件包 | 流行度 | 大小 | 关键词 | 说明 |
| openjade | V:1, I:26 | 2396 | dsssl | ISO/IEC 10179:1996 标准 DSSSL 处理器 (最新的) |
| docbook-dsssl | V:0, I:13 | 2605 | xml/dsssl | 使用 DSSSL 处理 DocBook XML 到各种输出格式的 DSSSL 样式表 |
| docbook-utils | V:0, I:10 | 287 | xml/dsssl | DocBook 文件的工具包，包括使用 DSSSL 的转换成其它格式 (HTML, RTF, PS, man, PDF)的 docbook2* 命令 |
| sgml2x | V:0, I:0 | 90 | SGML/dsssl | SGML 和 XML 使用 DSSSL 样式表的转换器 |
GNOME 的 yelp 往往能够方便的直接读取 DocBook XML 文件，这是因为它可以从 X 获得适当的渲染。
三、XML数据提取
使用下面的方法能够从其它格式提取 HTML 或 XML 数据。
XML 数据提取工具列表：
| 软件包 | 流行度 | 大小 | 关键词 | 说明 |
| man2html | V:0, I:1 | 142 | man 手册页→html | 从 man 手册页到 HTML 的转换器(支持 CGI) |
| doclifter | V:0, I:0 | 451 | troff→xml | troff 到 DocBook XML 的转换器 |
| texi2html | V:0, I:6 | 1847 | texi→html | 从 Texinfo 到 HTML 的转换器 |
| info2www | V:1, I:2 | 74 | info→html | 从 GNU info 到 HTML 的转换器 (支持 CGI) |
| wv | V:0, I:5 | 733 | MSWord→任何格式 | 从微软 Word 格式到 HTML, LaTeX, 等格式的文件转换器。 |
| unrtf | V:0, I:3 | 148 | rtf→html | 从 RTF 到 HTML 等的转换器 |
| wp2x | V:0, I:0 | 200 | WordPerfect→任意格式 | WordPerfect 5.0 和 5.1 文件到 TeX, LaTeX, troff, GML 和 HTML |
四、XML数据检查
对于非 XML 的 HTML 文件，能够转换它们为 XHTML，XHTML 是一个相当成型的 XML 实例，能够被 XML 工具处理。XML 文件的语法和在它们中发现的 URL 的完整性，能够被检查。
XML 美化打印工具列表：
| 软件包 | 流行度 | 大小 | 功能 | 说明 |
| libxml2-utils | V:20, I:211 | 180 | xml↔html↔xhtml | 使用 xmllint(1) 的 XML 命令行工具 (语法检查，重新格式化，梳理, …) |
| tidy | V:1, I:9 | 84 | xml↔html↔xhtml | HTML 语法检查和重新格式化 |
| weblint-perl | V:0, I:1 | 32 | 检查 | 用于 HTML 的小巧的语法检查器 |
| linklint | V:0, I:0 | 343 | 链接检查 | 快速的网站维护工具及链接检查器 |
一旦适当的 XML 生成，基于标记的内容等，能够使用 XSLT 技术提取数据。
