阅读html5标准文档,HTML5标准学习-文档结构详解

说起HTML的结构，很多人都能说得头头是道，一般来说答案可能是这样的：一个DOCTYPE，一个html，里面有head和body元素。

这当然不能说是不正确的，但是如果问到一个最小的HTML源文件必须有哪一些东西的话，恐怕很少有人能正确地做出回答。

先来回答一下这个问题，一个最简的HTML5源码文件需要的内容如下：

是的，就这样，一个字符不多，一个字符不少，除了大小写可任意变化外，其他的任何内容都是不能变动的。

那么究竟是怎么样的规则，导致一个最简的源码文件必须有doctype声明呢？根据标准，一个HTML文档有如下内容组成(严格按照顺序)：一个BOM标记，且这个BOM标记必须为U+FEFF。

0-n个空格或注释。

DOCTYPE声明。

0-n个空格或注释。

一个HTML元素。

0-n个空格或注释。

这里存在着一些和HTML4的不同，一个HTML4的最简源码文件是这样的：/p>

"http://www.w3.org/TR/html4/loose.dtd">

这里是标题

两者的区别是显而易见的：HTML5把DOCTYPE修改为更简单的，这个已经众所周知了。

在HTML4中多了一个

标签。

这里的重点就是

标签了，关于这个标签，在HTML4.01标准中是这么说的：Every HTML document must have a TITLE element in the HEAD section.

也即是说，HTML4要求

标签是必须存在的。

而在HTML5的标准中，又是这么说的：There must be no more than one title element per document.

HTML5中只设定了

标签数量的上限，却没有指明下限，也就是说，没有的文档已经被视为一个合法的文档了。

对于DOCTYPE，HTML4中设定了6种DOCTYPE，HTML5中将DOCTYPE分为3种，这个在以后的章节中再具体说明。

再回过来看一下文档组成，除去这样并没有多大意义的元素之外，组成的列表中还说明有一个HTML元素，但是最简的源码中却没有这东西。这是因为在HTML的规范中，一直存在“隐式标签”这样的概念，关于隐式标签，大致可以这么解释：一部分元素，当满足特定的前提条件时，其开始标签或结束标签可以在源码中省略。在这种情况下，被省略的标签称为“隐式标签”。

需要注意的是，此处的省略指的是在源码中省略，而在最终成型的DOM树中，这个标签是存在的，因此才称为隐式标签。因此上面最简的源码结构，在生成DOM树后，其真正的结构是这样的：

最后，再总结一下XHTML中的一些规范：因为是XML，所以为了表示这是一个HTML文档，必须有一个命名空间，其值为www.w3.org/1999/xhtml。

因为是XML，所以MIME type不能是text/html了，text/xml、application/xml、application/xml+html都是比较好的选择。

因为是XML，必须有根元素，根元素为，即的开始和结束标签不能省略了。

因为是XML，所有元素只要有了开始标签，就不能没有结束标签，或者自闭合。

因为是XML，所有元素都得严格遵守大小写，元素名称必须为小写。

因为是XML，文档变得严格了很多，也因为是XML，其可读性和规范性提高了不少。但最终，我们始终要在HTML的宽容性和XML的规范性之间找到最佳的平衡点，一味地追求极端始终是一个错误。