HTML5标准学习

转自：http://www.cnblogs.com/GrayZhang/archive/2011/03/31/learning-html5-doctype.html

上一篇文章主要讲述了HTML文档的构成，同时肤浅地接触了“标签省略”这一概念，本文会从概念上介绍HTML文档中第一个出现的重要元素 - DOCTYPE。

所谓DOCTYPE，最初是XML的概念，即通过一种特定的语法，作为一种元数据，来描述XML文档中允许出现的元素，以及各元素的组成、嵌套规则等。具体的概念可以在WIKI中中得到一个更详细的结果。

但是在HTML中，DOCTYPE又有着一些不同的效果，其中之一就是著名的触发浏览器标准模式的功能。即如果没有DOCTYPE，浏览器会进入一种被称为Quirks模式的怪异状态，在该模式下，浏览器的盒模型、样式解析、布局等都与标准规定的存在差异。

需要注意的是，所谓的HTML标准、DOM标准等，只规定了在标准模式下的概念和行为，正如文档构成中提到的，DOCTYPE是一个HTML文档绝对不可以省略的部分，因此就根本不存在“Quirks模式”这样的概念。也正是因为标准中没有对Quirks模式做出任何的规定，因此不同浏览器在Quirks模式下的处理也是不同的，应用Quirks模式可谓难上加难。

HTML4的DOCTYPE

在HTML4的标准中，DOCTYPE被归属于“HTML版本信息”一章中。在该章节中，标准指定了3种DOCTYPE：

严格模式：<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01//EN" "http://www.w3.org/TR/html4/strict.dtd">。
过渡模式：<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">。
框架模式：<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Frameset//EN" "http://www.w3.org/TR/html4/frameset.dtd">。

在HTML4的标准中，每一个DOCTYPE对应的dtd文件都是有合法的URL指定的，可以通过互联网进行下载。浏览器可以根据URL获得到dtd的具体内容，并根据内容的规定来解析文档。

现实是不同的

HTML4如同XML一样，是一个相当理想化的标准。但是，现实往往并没有这么理想，试想下面的HTML文档：

<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Frameset//EN"
                      "http://www.w3.org/TR/html4/frameset.dtd">
<html>
    <head>
        <title>I'm not a frameset</title>
    </head>
    <body>
        <p>So what?</p>
    </body>
</html>

这个文档采用了一个框架模式的DOCTYPE，但其正文确没有使用任何<frame>元素，相对应地使用了应该由严格模式或者过渡模式指定的，标准的HTML结构。那么在这种情况下，浏览器能做什么呢？

拒绝渲染该页面？不，浏览器不敢这么做，在激烈的市场竞争之中，如果因此而导致部分页面无法渲染的话，就只能眼睁睁看着市场份额注入别家田了。所以浏览器顶多弱弱地报一个警告以示抗议，却依旧得乖乖地解析出这个文档并正确渲染。

这就是所谓的浏览器的“容错性”，事实上无论你的DOCTYPE是什么，浏览器都会以最大的兼容能力去解析一个文档，并以最大的努力让这个文档显示得符合开发者的预期。而浏览器的这一特性，也逐渐让标准制定者开始意识到，DOCTYPE似乎真的不怎么重要。因此，在HTML5中，DOCTYPE发生了一次重大的变化……

HTML5的DOCTYPE

到了HTML5了，这一变化相信多数人已经知道，就是HTML5将DOCTYPE的声明简化了，只需要<!DOCTYPE html>即可。

正好前文所述，在HTML4时代，标准制定者已经认识到，DOCTYPE对浏览器的渲染并没有太大的帮助，除了给无聊的w3c验证器看以外，DOCTYPE似乎只有触发浏览器兼容模式的作用。于是标准工作组采取了非常实际的态度，测试了所有课程顺触发标准模式的最简DOCTYPE，最终得出了这一结论。

但是故事不会这么简单，标准工作组也不是完成这么简单的动作就撒手不管的无赖分子，事实上他们还是很尽责任地考虑到了向后兼容性、可扩展性等一系列的事情，最后将DOCTYPE一章用了大量文字来进行描述，得到一个非常详实的结果。

HTML5的参考手册相关章节中，将DOCTYPE分为3类：

普通DOCTYPE - normal doctype

普通DOCTYPE就是我们所见的最简形式，即<!DOCTYPE html>，他的真正组成是这样的：

一段文本，即<!DOCTYPE，大小写不敏感。
1个或多个空格，关于空格的定义请参照简介中的解释。
字符HTML，同样大小写不敏感。
1个或多个空格。
结束标记，即>。

不再推荐的DOCTYPE - deprecated doctype

即所谓HTML4时代的几个DOCTYPE，其组成如下：

一段文本，即<!DOCTYPE，大小写不敏感。
1个或多个空格。
字符HTML，同样大小写不敏感。
1个或多个空格。
字符PUBLIC，大小写不敏感。
继续1个或多个空格。
一对引号或单引号（必须前后匹配），引号中放一个Public ID。
可选内容：
1. 1个或多个空格。
2. 一对引号或单引号（必须前后匹配），引号中放一个与前面的Public ID对应的System ID。
1个或多个空格。
结束标记，即>。

在标准中，Public ID和System ID是有严格的对应关系的，如果规定的System ID不能有Public ID，则上面的第8项可选内容也就不能存在。HTML5彻底放弃了HTML4中的过渡型和框架型的DOCTYPE，同时整合了XHTML的DOCTYPE声明，得出以下6种组合方式：

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0//EN">
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0//EN" "http://www.w3.org/TR/REC-html40/strict.dtd">
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01//EN">
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01//EN" "http://www.w3.org/TR/html4/strict.dtd">
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.1//EN" "http://www.w3.org/TR/xhtml11/DTD/xhtml11.dtd">

遗留工具DOCTYPE - leagacy tool compatible doctype

顾名思义，完全是为了兼容久远时代的历史遗产而准备的DOCTYPE，甚至都已经没办法考证什么样的“工具”会搞出这种DOCTYPE来……遗留工具型的DOCTYPE的组成如下：

一段文本，即<!DOCTYPE，大小写不敏感。
1个或多个空格。
字符HTML，同样大小写不敏感。
1个或多个空格。
字符SYSTEM，大小写不敏感。
继续1个或多个空格。
一对引号或单引号（必须前后匹配），引号中放一段文本about:legacy-compat，注意这段文本是大小写敏感的。
1个或多个空格。
结束标记，即>。

比如这样的DOCTYPE就属于此类：<!doctype HTML system "about:legacy-compat">，基本上除了大小写，没有什么值得改变的。

现实的细节

对于DOCTYPE的作用，在真正的浏览中，仅仅起到触发浏览器的标准模式的作用。虽然根据标准，一个HTML文档中，DOCTYPE前可以有其他的元素，如一个U+FFEF的BOM，几个注释，一点空格，但是在当前的状态下，并没有这么理想：

对于IE6-9，如果DOCTYPE前存在注释，会进入Quirks模式。
对于IE6，如果DOCTYPE前存在一个XML声明，会进入Quirks模式。

写完才发现，问题又全出在IE下……关于DOCTYPE的问题纠结至此，下一章主要讲述编码声明的问题。