本文整理自 Jeremy Keith 在 Fronteers 2010 的主題演講。他要談的不是「HTML5 裡面有什麼」——那件事 Google 一下、看本書、翻規範都可以;他談的是 HTML5 的設計原理:規範裡為什麼會包含這些東西,設計者在做決策時腦中想的是什麼。
這件事聽起來有點好笑,但有必要交代:有些人用「HTML5」來指 CSS3,甚至用來指「在 Web 上做一切好玩的事」。就像 Ajax 這個詞,本來指一項明確的技術,後來卻變成「用 JavaScript 做各種有趣東西」的代稱。
Keith 說的 HTML5 不包含 CSS3,也不包含那些新 API,就是那份規範本身。
設計原理本質上是一種信念、一個想法,是你行動的支柱。無論你在制定規範、製造實體產品、編寫軟體,還是發明程式語言,背後都能找到一條或多條設計原理。這不只是 Web 開發領域的現象——纵观人類歷史,國家與社會這種大規模的構建活動,同樣有設計原理。
美國的設計原理寫在《獨立宣言》裡:「人人生而平等,造物主賦予每個人不可剝奪的權利,包括生存、自由和追求幸福。」馬克思的著作背後是「各盡所能,各取所需」;而兩千年前的一句「人人為我,我為人人」,成為了後世許多宗教的核心教義。
小說裡也有。奧威爾的《動物莊園》建立在一條原理上:「四條腿的都是好人,兩條腿的都是壞蛋!」有趣的是,隨著故事中的社會變質,這條原理也跟著被竄改成「四條腿的都是好人,兩條腿的就更好了」。可見即使在虛構作品裡,設計原理依然存在。
阿西莫夫的機器人系列則建立在三條原理上:機器人不得傷害人類、必須服從人類命令(除非牴觸第一條)、必須自衛(只要不牴觸前兩條)。大約五十本書,情節千變萬化,實際上都是從不同角度詮釋這三條。這大概是史上第一次出現針對軟體的設計原理——雖然它跑在虛構機器的「正子腦」上。
真實世界裡,Web 的發明者 Tim Berners-Lee 在 W3C 站點上放了一份自己的設計原理,而 CSS 共同發明人 Bert Bos 也放了一份談「如何設計並構建一種格式」的文件。Berners-Lee 從軟體工程借來了幾個關鍵詞:分權、容忍、簡易、模組化——這些都是他發明新格式時腦中揮之不去的念頭。
HTML 是從 2.0 版開始的,從來沒有 1.0。如果有人說他最早是從 HTML 1.0 開始用的,那是在唬你。從前確實有一份名為 HTML Tags 的文件,其中部分標籤沿用至今,但那不是官方規範。
用標籤、尖括號、p 或 h1 這套概念也不是 Berners-Lee 的首創,當時的 SGML 裡就有了,而 CERN 也在使用 SGML 的某個特定版本。這一點在 HTML 後來的發展中反覆體現:繼往開來,而不是另立門戶。
第一個正式版本 HTML 2.0 也不是 W3C 制定的,而是出自 IETF。從第三個版本起,W3C 才接手後續工作。
九十年代 HTML 經歷了快速發展。那個時候做網站是項相當複雜的工程,瀏覽器大戰令人頭痛,各家瀏覽器塞滿了試圖勝人一籌的專有特性。從 1997 到 1999 年,版本從 3.2 一路走到 4.0、4.01。然後 W3C 的態度出現了轉折:他們宣布 HTML 4.01 是最後一個版本,解散 HTML 工作組。
W3C 並沒有停止開發這門語言,只是對 HTML 不再感興趣。HTML 4.01 之後是 XHTML 1.0——名字聽起來完全不同,但從規範內容看,詞彙表一樣、元素一樣、屬性一樣。唯一的差別是它要求使用 XML 語法:標籤與屬性全小寫、屬性值要加引號、別忘了結束標籤、img 與 br 要自結束。
對瀏覽器來說,讀取 HTML 4.01 或 XHTML 1.0 都沒差別,產生的 DOM 樹完全相同。但開發者偏好 XHTML 1.0,因為它更嚴格——嚴格意味著驗證器幫得上忙。這正是 Keith 自己十年來都寫 XHTML 1.0 的原因:忘記加引號、漏了結束標籤,驗證器會跳出來提醒你。
接著是 XHTML 1.1。從詞彙角度看它沒有新東西,唯一的變化是你必須把文件標記為 XML 類型。這帶來兩個麻煩:
第一,當時的 IE 無法處理 XML 類型的文件(IE9 才改善)。作為市佔領先的瀏覽器卻看不懂你依規範送出的文件,這件事本身就夠荒謬了。
第二,XML 的錯誤處理模型太嚴苛:解析器遇到錯誤就停止解析。哪怕整份文件只有一個 & 沒被正確編碼,Firefox 也會直接給你一片死掉的畫面——而嚴格來說,它這麼做完全合乎 XML 規範。
再來是 XHTML 2(名稱後面沒有日期,因為它從未完成)。老實說,這是一份非常優秀的規範,領導制定它的是 Stephen Pemberton——一個極聰明的人。如果所有人都同意採用,它會是很好的格式。但它不夠實際:它沿用 XML 的錯誤處理模型,而且有意不再向後相容既有 HTML 版本,甚至討論過廢除 img 元素。
無論理論上多完美,它從未真正落地,因為開發者不會支持一個不向後相容的格式,瀏覽器廠商也不會——他們必須保證向後相容。
它違反的,是一條非常有名的設計原理,也就是 Postel 法則:
發送時要保守;接收時要開放。
「接收時要開放」正是 Web 得以建立的基礎。瀏覽器必須敞開胸懷接收一切,因為網路上的文件長久以來都不夠規範。從某個角度看,Web 走的是一條混沌發展之路——混亂,卻非常美麗。遇到一個錯誤就停止解析的模型,顯然與「接收時要開放」背道而馳。
2004 年,W3C 內部的一場研討會上,當時任職 Opera 的 Ian Hickson 提出了一個擴展並改進 HTML 的提案:讓新工作組與 XHTML 2 並行,在既有 HTML 的基礎上延伸它。W3C 投票的結果是「反對」——因為在他們看來 HTML 已經死了,XHTML 2 才是未來。
於是 Opera、Apple 等瀏覽器廠商與其他成員決定自己動手,成立了 WHATWG(Web Hypertext Application Technology Working Group)。這個工作組裡有瀏覽器廠商,所以他們不只提點子,還能一個個把它實作出來。
2006 年,Berners-Lee 寫了一篇部落格文章,大意是:「我們錯了。我們錯在企圖一夜之間讓 Web 跨入 XML 時代,這想法太不切實際。也許我們該重新組建 HTML 工作組了。」後來的事果然如此發展:2007 年 W3C 成立了 HTML5 工作組,並投票決定「在 WHATWG 既有成果的基礎上繼續工作」,同時請 Hickson 兼任兩邊的編輯。
於是有了今天這個局面:一種格式,兩個版本。這兩個版本內容大致相同,但將來會分道揚鑣——W3C 那份會定格成某個歷史時刻的規格,WHATWG 那份則持續迭代。
兩個工作組的流程截然不同。WHATWG 更接近「良性獨裁」:Hickson 聽完各方意見,然後決定他認為正確的方向。W3C 則是民主機制,人人有表決權。表面上前者讓人難以接受,但實踐證明它運作得非常好,主要歸功於 Hickson 在聽取意見時幾乎不帶個人情緒。而 W3C 的流程雖公平,卻容易卡在某個環節,一件事往往要花很久才有決議。理想狀態大概是兩者互補——而它們恰好在制定同一份規範,這反而促成了取長補短。
它們能夠同心同德,關鍵在於一開始就確定了共同堅持的設計原理。除了規範本身,W3C 站點上還有一份《HTML 設計原理》文件,忠實記錄了雙方的共識。以下就是這份文件中的幾條核心原理。
這條很簡單。用 HTML 4.01 時,doctype 是這樣:
<!DOCTYPE html PUBLIC "-//W3C/DTD HTML 4.01//EN" "https://www.w3.org/TR/html4/strict.dtd">
XHTML 1.0 也差不多長:
<!DOCTYPE html PUBLIC "-//W3C/DTD XHTML 1.0 Strict//EN" "https://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">
而在 HTML5 中,省掉不必要的複雜性之後,doctype 就是:
<!DOCTYPE html>
短到過目不忘。第一次看到時 Keith 還以為漏了一個 5,心想「難道 HTML 從此不再有新版本了嗎?」——他錯了。要理解這件事,得先弄清楚 doctype 到底是寫給誰看的。
它不是寫給瀏覽器的,而是寫給驗證器的。瀏覽器根本不在乎:就算你宣告 HTML 3.2,卻在裡面用了 HTML 4.01 才有的元素,瀏覽器照樣正常呈現——別忘了 Postel 法則,瀏覽器接收時必須開放。驗證器才會去核對文件類型。
而依 HTML5 的另一條原理(必須向前與向後相容),把版本號寫進 doctype 意義不大。
當然有一個例外:doctype 會影響瀏覽器採用標準模式還是相容模式。當年微軟率先在瀏覽器中實作 CSS,用的卻是與後來標準不同的盒模型。為了同時支援標準又向後相容自己的舊做法,他們想出了一個巧妙辦法:用有效的 doctype 觸發標準模式。這不是發明 doctype 的本意,只是一種工具性使用。
順帶一提,<!DOCTYPE html> 正是能在 IE 中觸發標準模式的最短字元數——這個細節很能說明 HTML5 的本質:它不追求理論上的完美,而是追求「理論上好、實踐中也好」。
另一個例子是字元編碼。HTML 4.01 要寫:
<meta http-equiv="Content-Type" content="text/html; charset=utf-8">
XHTML 1.0 還得多幾個字元。而在 HTML5 中,只要:
<meta charset="utf-8">
這麼寫為什麼有效?因為瀏覽器在解析時,真正看到的是「meta……charset……utf-8」這些訊號,而這正是規範明文容許的。同理,link 標籤的 type="text/css" 與 script 的 type="text/javascript" 都可以省略——瀏覽器看到 rel="stylesheet" 就知道是 CSS,看到 script 就假設是 JavaScript。想說第二次,當然隨你,但那是對瀏覽器在重複自己。
這一點非常重要。很多人以為 HTML5 代表全新的未來,但工作組裡有許多人代表瀏覽器廠商,而任何想打造瀏覽器的人都必須記住:必須支持已有的內容。
以下四段代碼,在瀏覽器眼中會產生完全相同的 DOM 樹:
<img src="foo" alt="bar" /> <p class="foo">Hello world</p> <img src="foo" alt="bar"> <p class="foo">Hello world <IMG SRC="foo" ALT="bar"> <P CLASS="foo">Hello world</P> <img src=foo alt=bar> <p class=foo>Hello world</p>
看到這些,寫了十年 XHTML 的人難免渾身不自在——屬性值沒加引號、標籤全大寫。但站在瀏覽器的角度,它們確實沒有差別。而 HTML5 必須支持已經存在的內容,這些內容就是長這個樣子的。
有人主張語言本身該提供一個開關,讓作者表明自己想用哪種風格。Keith 不贊成,因為這只是寫作風格問題,與哪種語法「正確」無關。專業人士該做的是堅持一種風格,並用 lint 工具檢查——就像 JavaScript 有 JSLint(作者甚至警告「JSlint 可能會傷害你的感情」),HTML 也有 htmllint.com 這類工具,能幫你檢查屬性值有沒有加引號、標籤是否小寫。團隊協作時,這種工具尤其方便。
這條原理是要從理論上承認人們普遍存在的困擾。舉例來說,在 HTML 4 或 XHTML 1 中,若你想讓「一個標題 + 一個段落 + 一張圖」整塊都可以點擊,必須寫三個 a 元素:
<h2><a href="/path/to/resource">Headline text</a></h2> <p><a href="/path/to/resource">Paragraph text.</a></p>
HTML5 允許把整塊包進一個 a 裡:
<a href="/path/to/resource"> <h2>Headline text</h2> <p>Paragraph text.</p> </a>
瀏覽器不必為此改寫任何代碼——因為早就有人這樣寫了,只是以前不合規範。所以「解決現實問題」的本質是:你都這樣寫很多年了吧?現在我們把標準改了,准你這樣寫。
在所有原理中,這一條最響亮:在解決那些令人頭痛的問題之前,先看看人們為應對它們想出了哪些辦法。集中理解這些「民間的」方案,才是當務之急。
HTML5 新增的語意元素就是明證。header、footer、section、article、aside、nav——這些名字你早就熟悉了,因為它們本來就是你一直在用的 class 名或 id 名,例如 class="header"、id="footer"。
舉個例子,你可能寫過:
<body> <div id="header">...</div> <div id="navigation">...</div> <div id="main">...</div> <div id="sidebar">...</div> <div id="footer">...</div> </body>
在 HTML5 中,這些都可以換掉:
<body> <header>...</header> <nav>...</nav> <div id="main">...</div> <aside>...</aside> <footer>...</footer> </body>
但假如新增這些元素的目的僅止於取代 div,那就多此一舉了。它們真正的價值在於:這些元素在一個頁面中可以使用多次。每個 section 都可以有自己的 header 與 footer,section 裡還能再嵌 section。
section、article、aside、nav 這四個元素代表一種 HTML 從前沒有的內容模型——給內容分區。它們明確地告訴你:這一塊就像文件中另一份文件一樣,可以擁有自己的概要、標題與腳部。其中 section 最通用,article、aside、nav 則是它的特殊形式。
所以你可以這樣寫:
<section class="item"> <header><h1>...</h1></header> <footer class="meta">...</footer> <div class="content">...</div> <nav class="links">...</nav> </section>
注意 footer 不一定非要出現在下方,aside 也不等於側邊欄——這些元素只跟語意有關,跟位置無關。
而更震撼的變化是:這裡的標題從 H2 換成了 H1。多年來許多開發者篤信「一個頁面只能有一個 H1」,不少 SEO 教條也這麼說。所謂教條,意思就是不願看數據。在 HTML5 中,只要你建立一個新的內容區塊,裡面就可以用 H1,不必煩惱它在整頁中該排第幾級。
這個變化對內容管理是革命性的:每個分區都可以被想像成能從頁面中抽出來的獨立部分,此時同一個 H1 依上下文不同,在整頁中可能扮演 H2 或 H3 的角色。
這也不是 HTML5 工作組的突發奇想。Berners-Lee 在 1991 年寫給 Dan Connolly 的一封郵件中就說過:「我認為 H1、H2 這樣單調地排下去不好,我希望它成為一種可以嵌套的元素。」只是當時為了支持已有內容,我們一直用 H1、H2。二十年後,這個理想終於實現。
這條大家應該很熟了,它是漸進增強的另一面。
最典型的例子是用 type 屬性增強表單。HTML5 新增了 number、search、range、email、date、url 等值:
input type="number" input type="search" input type="range" input type="email" input type="date" input type="url"
關鍵問題是:現有瀏覽器看到這些不認識的值會怎麼辦?答案是把 type 解釋為 text。所以 input type="foo" 在任何瀏覽器中都不會出錯——它會變成一個普通文字框。
於是你可以現在就用 type="number":支援的瀏覽器給你一個帶上下箭頭的數字微調控件,不支援的給你一個再熟悉不過的文字框。加上 min 與 max 屬性也是同樣道理。這就是瀏覽器實踐平穩退化的好例子。
type="search" 也一樣:Safari 會把它呈現為系統級搜尋框,右側還有一個可清除關鍵字的 X;其他瀏覽器則給你普通文字框。既然沒有副作用,為什麼不用?
新的屬性如 placeholder(佔位符)也遵循同樣邏輯:支援的瀏覽器直接享受效果,不支援的就用 JavaScript 模擬。而檢測支援與否非常容易,一行 JS 就能判斷。
這個話題被談了很多,但 Keith 坦言他不太明白人們在爭什麼——大家都在憑推測吵架。
首先,所謂「HTML5 對 Flash」指的其實是 HTML5 的某個子集對 Flash 的某個子集,具體來說就是影片。其次,這也不必然要二選一,因為 HTML5 的設計讓你可以魚與熊掌兼得。
新的 video 元素設計得簡單又實用:一組 video 標籤,中間可以放後備內容。注意,是後備內容,不是「保證可訪問性」的內容。
<video src="movie.mp4"> <!-- 後備內容 --> </video>
後備內容裡放什麼?可以放 Flash 影片:
<video src="movie.mp4"> <object data="movie.swf"> <!-- 後備內容 --> </object> </video>
實際寫法會更完整一些,因為影片格式本身就是個問題——部分瀏覽器支援 H.264,部分不支援。( formats 這話題牽扯專利與授權,是 Web 的天敵。)但你要做的,也只是把後備內容準備齊:
<video> <source src="movie.mp4"> <source src="movie.ogv"> <object data="movie.swf"> <a href="movie.mp4">download</a> </object> </video>
這段有四個層次:
一開始就能想到這麼周到,已經相當完善。只提供 video 或只提供 Flash,都是搬石頭砸自己的腳。
為什麼要兼顧?假設你需要面向某些不支援 Flash 的手持設備提供影片,你當然希望那些使用者也能看到。而為什麼各家格式並存、Flash 卻如此成功,可以用另一條原理解釋——Metcalfe 定律:網絡價值與用戶數量的平方成正比。使用某個技術的人越多,它就更有價值。傳真機只有一台沒用處,大家都買了才有意義。Flash 在影音領域的成功,本質上就是利用了這個效應:把影片丟給瀏覽器,裝了插件的都能播。
這是最後一條,也是 Keith 個人最推崇的一條,它更像哲學而非技術。
本質上,這是一套衝突解決機制。當 W3C 主張一種方案、WHATWG 主張另一種,有人這麼想、有人那麼想時,就用這個順序來決定:
一旦遇到衝突,最終用戶優先,其次是作者,其次是實現者,其次是標準制定者,最後才是理論上的完滿。
理論上的完滿,指盡可能創造最完美的格式;標準制定者指工作組與 W3C;實現者指瀏覽器廠商;作者就是我們這些開發人員。看看我們在這個鏈條中的位置多靠前——僅次於最終用戶,事情本來就該這樣。
Hickson 常說:當某個特性引發爭論,只要有瀏覽器廠商說「我們不會實作它」,這個特性就不會寫進規範。因為沒有實作的規範不過是一紙空文。而依這條原理,我們的位置高於實現者——如果我們發現規範某處有問題而拒絕採用,那條特性同樣得刪掉。
反觀 XHTML 2,做法完全相反:把理論的完滿放在第一位,把必須忍受嚴格錯誤處理所帶來麻煩的用戶放在最底端。這不見得是錯,但確實是完全不同的思維方式。
不論你在做什麼——設計一種格式、建一個網站,還是做一套內容管理系統——明確你的設計原理都至關重要。
軟體,就像所有技術一樣,具有天然的傾向性。代碼必然會反映作者的選擇、偏見和期望。
Drupal 社群曾找 Mark Boulton 與 Leisa Reichilt 設計介面,他們沒有紙上談兵,而是先提出四條設計原理:
簡化最常見的任務,讓不常見的任務不至於太麻煩。
只為 80% 設計。
給內容創建者最大的權利。
默認設置智能化。
Mark 說,其中最重要的是第二與第三條:「只為 80% 設計」和「給內容創建者最大的權利」。這就很不錯了——它表明了立場:我們認為內容創建者比這個項目中的任何人都重要。制定設計原理時,很多人花了大把時間抓不住重點,因為他們想取悅所有人。關鍵在於,我們不是要取悅所有人,而是要明確誰最重要。
「只為 80% 設計」其實是常見的通用原則,也就是帕累托原理:世界上 20% 的人口擁有 80% 的財富。無論寫軟體還是製造任何東西都一樣——20% 的努力可以覆蓋 80% 的用例,剩下 20% 的用例則要付出 80% 甚至更多的努力。
微格式也利用了這個原理:只處理常見用例,不考慮少數情形。他們知道自己不會讓所有人滿意,而目標也不是讓所有人滿意。他們眾多設計原理中最吸引人的一條是:
首先為人類設計,其次為機器設計。
這道理看似理所當然,但現實中仍有大量反例——讓機器容易解析,被認為比讓人容易理解更重要。
所以平常多看看別人推崇的設計原理,有助於做好自己手邊的工作。你可以把認同的原理貼在牆上,或像 Mozilla 基金會那樣維護一個 URL 分享出來:
Internet 作為一種公共資源,其運作效率取決於互通性(協議、數據格式、內容)、變革及全球範圍內的協作。
基於透明社群的流程有助於增進協作、義務和信任。
有了設計原理,才更有希望設計出真正有價值的產品。它是 Web 發展背後的驅動力,也是 HTML5 所反映的那種思維方式。而如果要找一句話來概括,Keith 說他絕對不會陌生:
大多數人的意見和運行的代碼。
這句話囊括了 Web 的真諦,觸及了 HTML5 的靈魂。它值得打印出來貼在辦公室的牆上,時刻提醒自己:這就是 Web 的設計原理。
(本文整理自 Jeremy Keith 於 Fronteers 2010 的演講,原文為中文譯稿。)