曾有一段時間,網頁標記的未來是一場賽跑:W3C 的 XHTML 2 對上主要瀏覽器廠商各自集團所推動的 HTML5。後來局勢底定——W3C 接手 HTML5,並宣布 XHTML 2 走入歷史。這對網路上的 XML 前途是個巨大轉折,而 HTML5 也成為今日每位 XML 開發者都會碰到的技術。
好消息是,XML 愛好者不必洩氣:HTML5 支援恰當的 XML 序列化。本文把這種「XML 形式的 HTML5」(以下稱 XHTML5)與舊式 XHTML 規則之間的關鍵差異,以及在現代瀏覽器上真正可行的做法,整理成一份實用清單。
HTML 的歷史始終充滿爭議。即使 web 架構師盡了力,網頁長年是一片難以駕馭的疆域:錯標未閉合、標籤層級錯亂,也就是俗稱的「標籤雜燴」。XML 的初衷之一正是收拾這團混亂,因此它被定義為「web 的 SGML」(HTML 只是 SGML 的一種應用)。XML 問世立刻引起轟動,W3C 期待它在瀏覽器中成功,並把 XHTML 視為比 HTML 更連貫的自然演進。
不幸的是,意料之外的問題一再破壞這個目標。命名空間、連結這些看似單純的概念,成了技術政治與協商上的噩夢。爭議與延宕拖得太久,瀏覽器端的結論是:XML 或許能解決舊問題,卻也帶來更多未知的新問題。
再加上 Postel 法則(以電腦科學家 John Postel 命名)的現實壓力——「自己輸出要嚴格,對他人輸入要寬容」。這條法則在伺服器與資料庫端與 XML 的嚴格約束相輔相成,也正是 XML 得以茁壯的原因;但瀏覽器是接收各方資訊的最終端,難處自然集中在此。
過去幾年形勢相當嚴峻。瀏覽器廠商大幅忽略 W3C,另立 WHATWG 發展 HTML,催生了 HTML5;而 W3C 對 XHTML 的支持則停滯不前。W3C 在 2009 年停止 XHTML 相關工作,等於承認了現實。
HTML5 並非刻意設計成 XML 友善,但它至少提供了 HTML 的 XML 序列化形式作為交代。HTML5 常見問答中的一段話把界線說得很清楚:
如果我在 HTML 文件中謹慎使用語法,能用 XML 解析器處理它嗎?不行。HTML 與 XML 在解析需求上有顯著差異,無法用為一方設計的工具去處理另一方。不過由於 HTML5 是依 DOM 定義的,多數情況下同一份文件可以用 HTML 或 XHTML 序列化來表示——但仍有少數文件無法互相精確表達。
本文的對象不是標準條文的考據者,而是想把 XHTML5 用起來、或想用最省事的方式使用它的實作者。以下建議都是從實際踩過的坑裡整理出來的。
依官方定義,XHTML5 必須以 application/xhtml+xml 或 application/xml 送出。但實務上這會讓所有版本的 Microsoft® Internet Explorer® 直接無法顯示(其他現代瀏覽器倒是沒問題)。唯一可行的折衷是:用 text/html 送出語法上的 XHTML5。嚴格說這與部分版本的 HTML5 規範相衝突,但除非您能完全不支援 Internet Explorer,否則別無選擇。
IE9 測試版(平台預覽)已能完整支援以 XML MIME 型別送出的 XHTML,因此這個問題會隨版本普及而消失。若您仍必須支援 IE6 或更早版本,本文的取捨就不夠用,只能退回 HTML 4.x。
建議:以 text/html 送出語法上的 XHTML5。
好消息是 XHTML5 讓文件型別宣告(DTDecl)單純許多。XHTML 1.x 與 2 需要諸如 <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.1//EN" "https://www.w3.org/TR/xhtml11/DTD/xhtml11.dtd"> 這類冗長寫法,最大困擾是新型處理器很可能真的去載入那個 DTD URL,造成不必要的網路請求,而該 URL 又牽引出更多 URL;更麻煩的是 W3C 上這些檔案偶爾出問題,會導致極難除錯的現象。
在 XHTML5 中,文件的 XML 性質完全由 MIME 型別決定,實際上任何 DTDecl 都會被忽略。HTML5 提供了最小化寫法 <!DOCTYPE html>,用它幾乎所有瀏覽器都會進入「標準模式」,呈現更一致、更可預測,而且不引用任何外部檔案。
建議:使用最小化的 <!DOCTYPE html>。
由於不載入外部 DTD,HTML 常用的命名實體(如 、©)都不能使用,XML 處理器會丟出 undefined entity 錯誤。唯一安全的命名實體只有 <、>、&、"、',其餘請改用數值寫法,例如   取代 、© 取代 ©。
技術上,若您以 text/html 送出,多數瀏覽器仍會容忍 HTML 命名實體,但依賴這種「意外相容」非常脆弱;而且瀏覽器並不是 XML 的唯一消費者,其他 XML 處理器遇到這類文件會直接束手無策。
建議:除 <、>、&、"、' 之外,一律不使用命名實體。
第三層機制是命名空間。過去您可能習慣這樣開頭:
<html xmlns="https://www.w3.org/1999/xhtml" xml:lang="en">
其中 xmlns="https://www.w3.org/1999/xhtml" 就是命名空間。在 XHTML5 中它仍然是必要的。若您嵌入其他 XML 詞彙(例如 SVG),請各自放入其對應的命名空間。
建議:在 XHTML5 文件頂端一律宣告預設命名空間,其他嵌入格式使用各自的命名空間。並且務必把這些宣告放在該嵌入區塊最外層的起始標籤上;若集中在 html 元素宣告,會觸發 text/html 的一致性錯誤。
XHTML5 可以用三種方式指定媒體型別:HTTP 標頭(如 Content-Type)、文件開頭的特殊字元標記(BOM,位元組順序記號),或 XML 宣告。只要不互相衝突,可以自由組合,但避免問題的關鍵是謹慎選擇。要特別小心 XML 宣告——它會讓 IE8 及更早版本切換到 quirks 模式,也就是那個讓瀏覽器「聲名遠播」的相容性顯示異常。
建議:只使用 Unicode 編碼;文件開頭省略 XML 宣告,改用 UTF-8 或 UTF-16 的 BOM;若有機會,請在送出時帶上 Content-Type 標頭。
Content-Type: text/html; charset=UTF-8
HTML5 引入了 section、article 等語意更明確的結構元素。它們仍可能微調,但風險不大,表達力的提升相當值得。一個實務問題是 Internet Explorer 不會在 DOM 中建立這些元素,因此若您使用 JavaScript 操作它們,需要補丁。Remy Sharp 維護的 HTML5 shiv 就是常見解法:
<!--[if IE]>
<script src="https://html5shim.googlecode.com/svn/trunk/html5.js"</script>
<![endif]-->
此外建議補上預設的 CSS 規則,避免瀏覽器把未知元素當成 HTML 4 的 inline 元素呈現:
header, footer, nav, section, article, figure, aside {
display: block;
}
建議:放手使用新的 HTML5 元素,但記得搭配 HTML5 shiv 與上述 CSS 預設值。
清單 1 是把上述建議全部落實後的 XHTML5 範例。透過 HTTP 提供時:若必須相容 Internet Explorer,使用 text/html; charset=UTF-8;若不考慮 IE,則使用 application/xhtml+xml; charset=UTF-8。
清單 1. 完整的 XHTML5 範例
<!DOCTYPE html>
<html xmlns="https://www.w3.org/1999/xhtml" xml:lang="en">
<head>
<title>An XHTML5 example</title>
<!--[if IE]>
<script src="https://html5shim.googlecode.com/svn/trunk/html5.js"</script>
<![endif]-->
<style type="text/css">
header, footer, nav, section, article, figure, aside { display: block; }
</style>
</head>
<body>
<header><h1>Sample page</h1></header>
<article>
<section>
<p>Body text with a numeric entity: ©</p>
</section>
</article>
<aside>
<header>Archives</header>
<ul>
<li><a href="/2010/04">April 2010</a></li>
<li><a href="/2010/05">May 2010</a></li>
<li><a href="/2010/06">June 2010</a></li>
</ul>
</aside>
<footer>© 2010 by Uche Ogbuji</footer>
<nav>
<ul>
<li><a href="/">Home</a></li>
<li><a href="/about">About</a></li>
</ul>
</nav>
</body>
</html>
這個範例用上了 HTML5 的最小化 DTDecl,並在頂端宣告預設命名空間。其中的 style 與 script 元素只是為了繞過實際的瀏覽器問題;script 只有在您使用其他 JavaScript 時才需要。注意版權符號用的是數值實體 ©,而空元素(如 img)採用自閉合語法。
表 1 是各類瀏覽器與處理器對這份文件的行為概要。
表 1. 符合本文建議的 XHTML5 瀏覽器支援情況
| 環境 | 行為 |
|---|---|
| 舊版瀏覽器(IE 6.x 及更早、Netscape、Firefox 1.x) | 呈現不可預期,自閉合元素的結束標籤可能出錯。若使用 HTML 命名實體不會報錯。 |
| Internet Explorer 7 或 8 | 因使用 text/html,呈現屬常規的「標籤雜燴」;任何 DTDecl 都會觸發標準模式。HTML 命名實體不會報錯。 |
| 支援 HTML5 的現代瀏覽器(Firefox 3.x、Safari 4、較新的 Opera、Chrome) | 依 MIME 型別以 HTML5(而非 XHTML5)解析,但處於標準模式。HTML 命名實體不會報錯。 |
| 任何標準的 XML 1.x 處理器 | 不考慮 MIME 型別;解析器會在 XHTML 命名空間中看到所有元素。若使用偽造的 HTML 命名實體,會收到錯誤。 |
值得追蹤的後續發展是:W3C HTML 工作組發布了第一份公開工作草案「Polyglot Markup: HTML-Compatible XHTML Documents」,目的正是為 XHTML5 提供更全面、準確且時效性更好的指引。
對我而言,寫下這些建議其實並不好受——它們來自長期的痛點經驗,是在把 XML 混入真實 HTML 世界時,避免那些難以重現的 bug 與古怪不相容的唯一辦法。這並不代表我放棄了嚴謹的 XML 設計與最佳實踐。合理的分工是:把最外層、負責與瀏覽器溝通的元件保留為 XHTML5,系統主要的資訊則以其他 XML 格式承載,最後一刻才轉換為 XHTML5。
或許有人會問:最後一刻才產生 XHTML5 有何意義?答案仍是 Postel 法則——輸出要嚴格。當您為瀏覽器產出嚴謹的 XHTML5,其他人要從您的網站與應用程式中擷取資訊就容易得多。在這個混搭、Web API 與資料專案盛行的時代,這項特性比以往任何時候都更有價值。