說得直白些,語意化就是用機器讀得懂的方式描述內容,讓程式能依規則做出正確處理。它關心的不是畫面好不好看,而是結構有沒有把意義說清楚。
HTML 從設計之初就是絕大多數 Web 資源的載體。Tim Berners-Lee 當年大概沒料到規模會膨脹到今日這般,最初的想法單純得多:用來發布內容與索引,方便人們查閱。
但 Web 的體量很快超出人力處理的範圍,於是機器上場了——先是搜尋引擎,接著是各種對索引內容做分析與挖掘的程式。當內容的消費者從「人」變成「機器」,讓機器讀得懂就從加分項變成必要條件。
其實 HTML 一開始就帶有語意:段落、表格、圖片、標題,這些標籤都在描述內容是什麼。但它們最初主要是為了讓瀏覽器能對內容做合適的呈現。當機器需要真正理解內容時,問題就浮現了——它讀不懂「紅色的文字」為什麼重要,也讀不懂深度嵌套的表格佈局裡哪一塊才是真正的資訊,因為太多既有內容是為視覺呈現而寫的,結構裡只剩下樣式。
路線一:讓機器的理解能力持續逼近人類,人能看懂聽懂的,機器也能理解。
路線二:在發布內容時,就用機器可讀、被广泛認可的語意來描述內容,降低機器處理難度。HTML 本身就是朝這個方向邁出的一小步。
簡單說,內容的語意表達能力加上 AI 的智能程度,共同決定了機器分析 Web 內容的高下。路線一指向接近人類水準的人工智慧,路線二則正是 Berners-Lee 提出的願景——語意網:讓一切內容以及對關係的描述都成為 Web 上的資源,各自擁有唯一 URI,語意明確、機器可讀。
兩條路的終點都很遙遠。第一條在技術上極難,第二條則是推行上的阻力太大:要全世界一起改用新的描述方式,協調成本近乎不可能。
我認為今天我們真正摸得到的 Web 語意化,是在路線二上邁出的一小步,也就是改良既有的、已被廣泛採用的 HTML 標準,而不是另起爐灶。
關鍵的轉念是:回歸內容本身。先把內容的語意合理表述出來,再為不同的用戶代理設計各自的樣式,也就是所謂的內容與樣式分離。寫作的當下暫且不去想它最終長什麼樣子,只把「這是什麼」說清楚。
HTML 規範其實一直在往這個方向走。許多元素與屬性的設計,都已經考慮到如何讓各類用戶代理乃至網路爬蟲更好地理解文件。HTML5 更進一步,把過去那些純呈現性的語意描述逐一修正或移除,並補上一批能表達更豐富意義的新元素。
為什麼這些語意元素有意義?因為它們被广泛認可。語意本質上就是對符號的一種共識——認可的人越多、範圍越廣,我們就越能放心地在上頭建立各種功能。這也是語意化真正的價值所在:它不是為了讓畫面更好看,而是為了讓內容能被更多、更可靠地再利用。