Es un lenguaje de marcas, hipertextual, desarrollado a partir de html, pero basado en xml y por lo tanto extensible, adaptable a nuevas funcionalidades.
Fue desarrollado por el W3C para extender las funcionalidades del html hacia una web cada vez más accesible e interoperable que demanda un intercambio de datos entre aplicaciones, y por lo tanto requiere un lenguaje mucho más estricto y preciso que al principio cuando el objetivo era mostrar esos datos solo al usuario.
Consta de un conjunto de etiquetas similares a las de html pero adaptadas a unas reglas de sintaxis y estructura más estrictas propias de xml, que se especifican en un documento conocido como DTD necesario para verificar la validez del código xhtml.
La información se dispone en elementos siempre cerrados y bien anidados, formando una estructura jerárquica que parte del elemento raíz html.
Por elementos entendemos el conjunto formado por las marcas o etiquetas de apertura, cierre, y sus atributos, más el contenido y descendientes que estas pueden delimitar. Aunque se debe aclarar que también hay elementos vacíos con solo una etiqueta de cierre.
Un elemento puede presentarse de varias formas, dependiendo de si entre sus marcas de apertura y cierre solo hay contenido, si hay otros elementos descendientes, ambas cosas, o ninguna en caso de elementos vacíos.
Cualquier lenguaje basado en xml dispone sus elementos formando una estructura jerárquica en árbol en la que estos se relacionan como ascendiente – descendiente.
Según esto podemos encontrar elementos de la siguiente forma:
<marca1> contenido </marca1> <marca1 atributo1=”valor” atributo2=”valor”... /> <marca1 /> <marca1> <marca2> <marca3> contenido </marca3> </marca2> </marca1> <marca1> <marca2> contenido <marca3> contenido </marca3> contenido </marca2> </marca1>