HTML5标准学习 – DOCTYPE

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,他的真正组成是这样的:

    1. 一段文本,即
    2. 1个或多个空格,关于空格的定义请参照简介中的解释。
    3. 字符HTML,同样大小写不敏感。
    4. 1个或多个空格。
    5. 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:

    1. 一段文本,即
    2. 1个或多个空格。
    3. 字符HTML,同样大小写不敏感。
    4. 1个或多个空格。
    5. 字符PUBLIC,大小写不敏感。
    6. 继续1个或多个空格。
    7. 一对引号或单引号(必须前后匹配),引号中放一个Public ID。
    8. 可选内容:
      • 1个或多个空格。
      • 一对引号或单引号(必须前后匹配),引号中放一个与前面的Public ID对应的System ID。
    9. 1个或多个空格。
    10. 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:

    1. 一段文本,即
    2. 1个或多个空格。
    3. 字符HTML,同样大小写不敏感。
    4. 1个或多个空格。
    5. 字符SYSTEM,大小写不敏感。
    6. 继续1个或多个空格。
    7. 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。
    8. 1个或多个空格。
    9. 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。

推荐参考资料Activating Browser Modes with Doctype,从里面你会发现<!DOCTYPE html>这个串是怎么被推导出来的。