什么是标记语言？为何XML是标记语言而YAML、JSON不是？

一、标记语言的核心定义 #

标记语言的核心设计目标是用预定义的、带语义的标记对原始文本内容进行标注，用来描述内容的结构、属性或展示逻辑，核心特征如下：

• 存在和原始内容明确分离的独立标记，标记本身不属于要传递的文本内容的一部分
• 标记可以直接插入文本流的任意位置，对局部内容进行标注，不需要破坏原本的文本结构
• 移除所有标记之后，剩余的原始文本仍然可以被人类正常阅读

二、XML属于标记语言的原因 #

XML的全称为可扩展标记语言，本身就是为内容标注场景设计的，完全符合标记语言的所有核心特征。
示例：标注一篇文章的结构和内容

<article category="科技" publish_date="2024-05-20">
  <title>标记语言的区别</title>
  <author id="123">张三</author>
  <content>
    <p>这是正文的第一段，里面有个<em>需要重点强调</em>的词汇。</p>
    <p>这是正文的第二段。</p>
  </content>
</article>

以上示例中，<article>、<title>、<em>等都是独立于内容的标记，用来描述对应内容的属性和语义。哪怕移除所有标签，剩下的「标记语言的区别 张三 这是正文的第一段，里面有个需要重点强调的词汇。这是正文的第二段。」仍然是完整可读的文本。

三、YAML、JSON不属于标记语言的原因 #

JSON和YAML的本质是数据序列化格式，核心设计目标是结构化存储和传输数据，所有字段都是数据本身的组成部分，不存在独立于数据之外的标记，不符合标记语言的核心特征。

JSON示例 #

同样存储上述文章信息的JSON写法如下：

{
  "article": {
    "category": "科技",
    "publish_date": "2024-05-20",
    "title": "标记语言的区别",
    "author": {
      "id": 123,
      "name": "张三"
    },
    "content": [
      "这是正文的第一段，里面有个需要重点强调的词汇。",
      "这是正文的第二段。"
    ]
  }
}

这里的"article"、"title"都不是标记，是数据的键，属于数据结构的一部分。如果要实现XML示例中「标注段落内局部词汇强调」的效果，只能把原本完整的段落拆成多个数据字段：

{
  "content": [
    {"text": "这是正文的第一段，里面有个", "type": "normal"},
    {"text": "需要重点强调", "type": "emphasis"},
    {"text": "的词汇。", "type": "normal"}
  ]
}

这种实现本质是把标注逻辑转换成了数据结构的一部分，和标记语言「在文本流中插入独立标记」的逻辑完全不同。如果移除所有键，剩下的零散值完全无法组成可读的完整内容。

YAML示例 #

YAML是JSON的轻量化写法，核心逻辑和JSON完全一致，同样属于数据序列化格式：

article:
  category: 科技
  publish_date: 2024-05-20
  title: 标记语言的区别
  author:
    id: 123
    name: 张三
  content:
    - 这是正文的第一段，里面有个需要重点强调的词汇。
    - 这是正文的第二段。

YAML里的所有键同样是数据的组成部分，没有独立的标记存在，无法在不破坏文本结构的前提下对局部内容进行标注，因此不属于标记语言。

核心区别总结 #

• 标记语言的核心是「给内容加独立标记」，更适合文本文档的结构标注场景
• JSON、YAML的核心是「结构化存储数据」，更适合接口数据传输、配置文件存储场景

内容的提问来源于stack exchange，提问作者Healthy Bowl