什么是CML 化学标记语言XML

CML是严格基于xml语法规范构建的专用领域标记语言，专为精确表达化学信息而设计；它定义化学语义明确的标签体系，需通过Schema校验才能确保化学合法性，支持多维化学数据的结构化存储与FaiR管理。

CML（Chemical Markup Language）不是“XML的一种变体”，而是**严格基于XML语法规范构建的专用领域标记语言**，专为精确表达化学信息而设计。它不改变XML规则，但定义了一套化学语义明确的标签体系——这意味着任何标准xml解析器都能读取CML文件，但只有理解CML Schema的工具（如Jmol、JChemPaint、或用lxml配合cml.xsd校验的python脚本）才能正确解释“哪个是氧”、“order="2"代表双键”。

怎么写一个合法的CML分子结构？

核心是三要素：一个容器、若干声明原子、一组描述连接关系。所有原子必须有id，键通过atomRefs2引用两个原子ID。

• elementType必须是标准元素符号（如"C"、"O"），不能写"carbon"或小写"c"
• x3/y3/z3是可选的三维坐标；若省略，只靠也能表示拓扑结构（即连接性），但失去几何信息
• 没有定义却在atomRefs2里引用——XML解析会成功，但化学工具通常报“undefined atom reference”错误

为什么不用SMILES而选CML？

SMILES是紧凑字符串，适合数据库索引和快速比对；CML是结构化文档，适合承载多维化学数据。当你需要同时存下：分子结构 + NMR位移表 + 晶体空间群 + 反应条件注释 + 实验者签名——SMILES做不到，而CML用嵌套标签天然支持。

• SMILES无法表达立体化学细节（如R/S构型）或部分氢缺失的金属配合物；CML用formalCharge、spinMultiplicity、isotopeNumber等属性直接建模
• CML可内嵌或存光谱数据，甚至用加DC元数据（如dc:creator）
• 浏览器直接打开CML文件不会渲染分子——它不是html；需配合XSLT转换或用jsmol等JS库解析后绘图

常见解析失败原因和对策

用Python的xml.etree.ElementTree能加载CML，但容易漏掉关键约束。真正校验是否“化学合法”，得靠Schema。

• 忘记声明命名空间：xmlns="http://www.xml-cml.org/schema"必须出现在或根节点，否则会被当成无意义自定义标签
• 用lxml时未加载cml.xsd校验，导致elementType="Xx"这种非法元素名被静默接受
• 某些老工具（如旧版MarvinSketch）导出的CML含convention="cmlDict"等过时属性，新解析器可能忽略或报错
• 中文路径或含空格的文件名传给java系工具（如Jmol）时，常因URL编码问题加载失败——改用绝对路径+URL编码（file:///home/user/%E6%B0%B4.cml）

CML的价值不在“能不能表示水分子”，而在于它把化学家脑中的多维事实（结构、数据、上下文）映射成机器可验证、可组合、可溯源的XML文档——这点在自动化反应记录、FAIR科研数据管理中不可替代。别把它当“带标签的SMILES”，它本质是化学世界的XML schema。