1.1 标记语言与HTML标准体系
1.1 标记语言与HTML标准体系
本节摘要：标记语言是一类"在纯文本中嵌入结构说明"的形式语言，HTML（超文本标记语言）是万维网的结构层标准。本节讲清标记语言与编程语言的本质区别、HTML 标准三十年的演进脉络，以及 Living Standard（活标准）模式对开发者的实际影响。
学习目标
阅读完本节，你应当能够：
- 用一句话说清"标记语言"与"编程语言"的区别；
- 按时间顺序说出 HTML 标准演进的几个关键节点；
- 解释 W3C 与 WHATWG 两个组织的分工变化；
- 理解 Living Standard 与"版本号标准"两种模式的差异。
一、从"标记"这个词说起
"标记"（markup）一词来自出版业。编辑审稿时会在手稿边缘写各种记号：这里改用标题字体、这里起一个新段落、这里需要加粗。这些记号不是文章内容的一部分，而是对文章的"关于内容的说明"。上世纪六十年代，计算界把这套做法搬进了文本处理系统，IBM 的 Charles Goldfarb 团队据此发展出 GML，后来标准化为 SGML（标准通用标记语言，1986 年成为国际标准）。SGML 定义了一套"如何定义标记语言"的元规则，堪称标记语言界的宪法。
顺着这条线看，HTML 的血统就清楚了：它是 SGML 的一种应用。1991 年前后，Tim Berners-Lee 在欧洲核子研究中心为了物理学家互相交换文献，借鉴 SGML 的语法挑了不到二十个标签，造出了 HTML——HyperText Markup Language，超文本标记语言。HyperText（超文本）指通过链接可以从一份文档跳到另一份，Markup（标记）指文档里混着结构说明。两个词合起来就是这个语言的全部野心：让结构化的文档互相连接。
那标记语言和编程语言到底差在哪？判断标准只有一条：有没有控制流。编程语言有顺序、分支、循环，描述"计算机一步步做什么"；标记语言没有这些，它描述"东西是什么"，是一份对内容的声明。你可以用 HTML 声明"这是一级标题"，但不能用 HTML 命令浏览器"循环生成一百个标题"。所以 HTML 不是程序，浏览器也不是在"运行"HTML，而是在"解析"它——把标记翻译成一颗文档对象树，再呈现出来。理解这一点，你就明白为什么 HTML 是"结构层"，而赋予页面行为的事情交给了 JavaScript。
演进时间线一图流
二、标准是谁定的
1995 年的 HTML 2.0 由 IETF（互联网工程任务组）发布，是第一份正式标准，表单元素从这里进入语言。1997 年起主导权转到 W3C（万维网联盟），连续推出 HTML 3.2、4.0、4.01。HTML 3.2 是一段弯路：大量字体、颜色、对齐类标签被塞进语言，结构与表现搅在一起，页面越写越乱。HTML 4.01 及时纠偏，把表现类标签标记为废弃，提出"结构与表现分离"的原则——这个原则直到今天仍是前端的公理。
2000 年前后的 XHTML 1.0 是另一次激进的纠偏：把 HTML 改造成符合 XML 语法要求的严格形式，所有标签必须小写、必须闭合。方向很美好，现实很骨感——绝大多数页面根本达不到 XML 的严格度，一个语法错误就会让整页白屏。浏览器厂商和开发者都不买账。
转折发生在 2004 年。苹果、Mozilla、Opera 三家浏览器厂商组建 WHATWG，主张走另一条路：不推翻语法，而是把"浏览器实际怎么做"和"开发者实际要什么"记录成规范，同时补上 Web 应用需要的 API——离线存储、绘图、多媒体。这条务实路线的产物就是 HTML5：语法宽容、向后兼容、内置 audio/video/canvas、新增一批语义化标签。2007 年 W3C 认可这条路线并与之合作，2014 年 HTML5 成为 W3C 推荐标准。此后 W3C 还试图走 XHTML2 和后来的版本分叉，均无果，2019 年双方达成协议：HTML 标准唯一权威版本由 WHATWG 维护，W3C 不再单独发布 HTML 版本。
三、Living Standard 意味着什么
今天你查 HTML 规范，看到的是一份没有版本号的文档，叫 HTML Living Standard（活标准）。它的含义是：规范是一个持续更新的快照，新特性以"已实现即可写入"的方式逐步进入，不存在"HTML6"这样的发布事件。
这对开发者的实际影响有三点。第一，学习资料要看日期：网上大量教程停留在 HTML5 时代，某些标签（比如 acronym）早已废弃，新元素（比如 dialog、popover 属性）又不会被旧教程覆盖。查规范或 MDN 这类持续维护的文档，比背任何一本书都可靠。第二，特性可用性要看浏览器支持度，而不是"标准里有没有"——标准里有不等于所有浏览器都实现了。第三，DOCTYPE 声明从此稳定为 <!DOCTYPE html> 一行，它只表示"这是标准模式下的 HTML"，不再携带版本号。你在老项目里见到的长串 DOCTYPE，是 HTML 4.01 时代的遗产，说明那个页面引用的是 SGML DTD，如今只剩历史价值。
跑一段最小验证：现代写法只需一行声明。
<!DOCTYPE html> <html lang="zh-CN"> <head> <meta charset="UTF-8"> <title>现代写法</title> </head> <body> <p>标准模式，一行声明搞定。</p> </body> </html>
而 HTML 4.01 时代的遗留写法，DOCTYPE 里要塞进一长串公开标识符和 DTD 地址（形如"引用 HTML 4.01 严格版文档类型定义"的声明），当年的解析器理论上还要据此取回 DTD。今天的浏览器已经不真的去取那份 DTD，只靠开头几个字符判断是否标准模式——所以那串长声明只剩历史价值，新项目一律写一行版。
⚠️ 常见坑：有人把 DOCTYPE 写错或干脆不写，浏览器会退回"怪异模式"（quirks mode），盒模型计算和表格继承规则都会变，页面莫名出现几像素错位时先检查这里。
六、本册后续如何使用"标准"这个概念
本册采用"概念筑基"路线，"标准"会反复出现在三个位置：讲语法时，标准是判定合法性的依据（第 1 章剩余各节）；讲语义时，标准是每个元素含义的权威解释（第 2 章）；讲新特性时，标准是区分"已定型"与"提案中"的标尺（第 5 章）。建议从现在起建立一个习惯：遇到"这个标签能不能这么用"的问题，第一反应不是试一遍看报不报错——浏览器容错会让你得到假阳性——而是查一下标准里该元素的定义与内容模型。试错可以建立直觉，查证才能建立确定性。
四、标记语言家族横向对比
把 HTML 放回家族里看，很多设计决策会突然变得合理。同属 SGML 谱系或受其影响的标记语言还有好几种，它们各自解决不同的问题：
| 语言 | 语法严格度 | 关注点 | 典型用途 |
|---|---|---|---|
| SGML | 极严，需 DTD | 定义标记语言的元规则 | 历史 document 系统 |
| HTML | 宽容，容错是规范的一部分 | 文档结构与语义 | 网页 |
| XHTML | 严格，XML 语法 | HTML 的 XML 化重写 | 已基本退场 |
| XML | 严格，错误即致命 | 数据的结构化描述 | 配置、数据交换 |
| Markdown | 极简 | 人类可读可写 | 笔记、文档 |
这张表里最有信息量的一行对比是 HTML 与 XML。两者语法上都用尖括号包标签，但错误处理哲学截然相反：XML 解析器遇到一处语法错误，整个文档拒绝解析，这叫"致命错误"（fatal error）；HTML 解析器遇到任何错误都继续解析，并且纠错行为本身也被写进了标准——两家浏览器对同一段错误代码必须构建出同一棵 DOM，这是"容错标准化"而不是"随意容错"。为什么会有这种差别？因为使用场景不同。XML 的用户是程序：一份配置文件错一个字符，宁可失败也不能将错就错。HTML 的用户是全人类：一个拼写错误就让新闻页面白屏，Web 根本活不过第一个十年。
Markdown 则展示了另一个极端：标记符号极简（星号、井号、短横线），牺牲表达力换取书写速度。它证明了标记语言的价值密度取决于"目标读者的需求"——Markdown 的读者是人眼，HTML 的读者是浏览器、搜索引擎与读屏器，XML 的读者是另一个程序。理解了这一点，你就不会犯"用 Markdown 的心态写 HTML"的错误：HTML 的冗长不是缺点，是给机器的精确性付费。
💡 关键直觉：判断一门语言"好不好写"之前，先问"它写给谁读"。
五、常见疑问解答
问题一：既然 HTML 不断演进，我几年前学的会作废吗？
核心语法与绝大多数元素非常稳定。二十年前页面的主体结构（head、body、p、a、table）今天原样可用，HTML5 之后新增的都是增量。真正会过时的是三类东西：被废弃的表现类标签（font、center 这类，浏览器仍认但语义上已死）、被新机制替代的写法（比如老式跨域通信 hack 被 postMessage 取代）、以及停留在某个时间点的旧教程认知。跟着 Living Standard 维护的文档走，知识折旧率很低。
问题二：HTML、HTML5、HTML5.2 这些叫法什么关系？
日常说"HTML5"如今泛指"现代 HTML"，包括语义标签、多媒体元素、表单增强和一批配套 API。编号版本（5.2、5.3）是 W3C 时代的快照式发布；2019 年之后唯一权威是 WHATWG 的 Living Standard，不再有编号版本。所以新语境下直接说 HTML 即可，"HTML5"更多是历史称谓与营销词汇。
问题三：学 HTML 之前要不要先学 XML 或 SGML？
不需要。SGML 是学术古董，XML 在前端日常里只剩 SVG 与少数配置场景会碰到。直接从 HTML Living Standard 的概念体系入手是最短路径——本册第 1 章做的就是这件事：把标准里最常被用到的那部分公理（元素、属性、内容模型、类别）翻译成工程语言。
问题四：为什么有的资料说 HTML 是"编程语言"？
那是口语上的宽泛用法，严格说不准确。判断标准还是控制流：HTML 无法表达条件与循环，它不"运行"，只被"解析"。不过在真实前端岗位上，"会 HTML"当然包含了对这个生态的理解——解析行为、DOM 映射、与 CSS 和脚本的协作面——这些本册都会覆盖。
问题五：W3C 和 WHATWG 我该关注哪个？
读规范条文时，以 WHATWG 的 HTML Living Standard 为准；W3C 如今在 Web 领域的活跃产出集中在可访问性指南（WCAG）、CSS 规范的联合维护等方向。日常开发不需要盯组织动态，但读懂标准文档的技能值得投资一次：规范里每个元素都有"定义、类别、内容模型、属性、示例"五段式结构，本册带你拆过一两个之后，你就能自己查任何元素。
本节要点回顾
（本节时间线与治理变迁内容较多，记不清时回看本节那张演进图即可，脉络一次看全。）
（另记一个心法：学任何标准知识点时，先查它现在归谁维护、处于什么状态，答案决定你该用什么姿势使用它。）
- 标记语言描述"是什么"，编程语言描述"怎么做"：HTML 没有控制流，它是声明式的结构描述。
- 血统：HTML 源自出版业的标记传统，经 SGML 发展而来，1991 年由 Berners-Lee 创建。
- 演进主线：IETF 的 2.0 → W3C 的 3.2/4.01（弯路与纠偏）→ XHTML 的严格化失败 → WHATWG 的务实路线 → HTML5 → Living Standard。
- HTML5 的定位：不是一次语法革命，而是"宽容语法 + 应用 API + 语义标签"的集大成。
- 活标准时代：无版本号、持续演进，查文档要看更新日期，用特性要看浏览器支持度。
- DOCTYPE 只剩一行：
<!DOCTYPE html>表示标准模式，写错会触发怪异模式。
下一节我们进入语言内部，拆解元素与标签的语法模型——那才是 HTML 这门语言真正的零件图。