标记语言演进：从 GML 到 HTML 动态标准

标记语言（Markup Language） 是一种在文本中嵌入标记（markup）的系统化方法。这些标记提供文档的结构信息（章节、段落、列表），也能描述样式或语义，让文档可以被程序解析、处理或呈现。

标记语言两大组成：

文本内容：文档中实际要呈现或传达的信息
标记：以特定语法嵌入文本的代码，用来指示内容的角色、结构或处理方式

标记语言、编程语言、样式表语言：

标记语言（HTML、XML）：描述内容「是什么」和「如何组织」
编程语言（JavaScript、Python）：描述「做什么」（算法、逻辑、计算）
样式表语言（CSS）：描述「看起来什么样」（颜色、布局、字体）

GML 是标记语言的源头，SGML 是在其基础上形成的国际标准，HTML 和 XML 是 SGML 的两个重要应用分支。XHTML 是 HTML 与 XML 结合的产物。现行网页跟的是无版本号的 HTML Living Standard；从 HTML5 起，HTML 不再基于 SGML。

常见标记语言速览：

名称	用途	标记是否固定	特点
HTML	网页结构展示	固定	语法宽松，浏览器容错性强
XML	数据存储与交换	可扩展	语法严格，标签可自定义
Markdown	轻量级文档格式化	极简固定	易读易写
LaTeX	学术排版	可扩展	数学支持强，生成高质量 PDF
SGML	定义其它标记语言	元语言	复杂；HTML 4 及更早、以及 XML 的祖先
XHTML	严格版 HTML	固定（遵循 XML 语法）	规则严格，已边缘化

标记语言演进：

GML（1969 年，IBM）
 │
 └── SGML（1986 年成为 ISO 国际标准）
      │
      ├── HTML 4.01（SGML 的一个应用，用于网页显示）
      │    └── XHTML 1.0（2000 年，用 XML 语法重新包装的 HTML）
      │          └── 2018 年被 W3C 标记为「已取代」
      │
      ├── XML 1.0（SGML 的简化子集，用于数据交换）
      │
      └── HTML5 起不再基于 SGML
           ├── WHATWG HTML Living Standard（现行唯一标准）
           └── W3C HTML5（2014 年快照；2019 年起不再独立维护）

GML（通用标记语言）

诞生时间：1969 年

创造者：IBM 的 Charles Goldfarb、Edward Mosher 和 Raymond Lorie（语言名称 GML 也是三位创造者姓氏首字母的巧合组合）。

基本定位：为解决不同文档系统之间的数据交换问题而设计的结构化文档描述语言。

核心思想：按逻辑结构（章节、段落、列表等）标记文档，而不是关注排版样式。

历史地位：GML 是标准通用标记语言（SGML）的直接先驱和基础。

GML 是通用标记语言（Generalized Markup Language），诞生于 1969 年，由 IBM 发明，标志着文档处理从特定的排版指令迈向结构化、描述性的标记。它为之后的 SGML、HTML 和 XML 奠定了基础。

GML 通过定义文档类型和嵌套元素结构，为文档构建清晰的结构。标记语法很简洁，用冒号（:）和句点（.）定义元素和结束标记：

:doc.
:title. 标记语言演进
:author. Lizhao
:date. 2026年5月18日

:chapt. GML
:p. GML（通用标记语言，Generalized Markup Language）诞生于 <:bold.1969:ebold. 年，由 IBM 发明。
:list.
    :item. 创造者
    :item. 基本定位
    :item. 核心思想
:elist.
:edoc.

SGML（标准通用标记语言）

标准编号：ISO 8879:1986，于 1986 年 10 月 23 日正式发布。

基本定位：SGML 是一种元语言（meta-language），即用来定义其他标记语言的语言。它本身不是一种文档语言，而是一套如何定义标记语言的规范。

文档结构：SGML 由三个核心部分组成——语法定义、文档类型定义（DTD）和文档实例。

主要优点：高稳定性、高可携性（可移植性）、高完整性。

主要缺点：结构极其复杂（规范文档长达 500 多页），学习和使用成本高，不适用于 Web 数据传输场景。

SGML 是标准通用标记语言（Standard Generalized Markup Language），是国际上定义电子文件结构和内容描述的标准。它不是一门具体的标记语言，而是一门「元语言」（Metalanguage）：用来定义其他标记语言的语言。HTML 4.01 及更早的 HTML 是按 SGML 来定义的；HTML5 已经不基于 SGML。

SGML 的优点：

高度通用与可扩展：SGML 允许为任何领域创建标记语言，不受固定标签集限制。
严谨与结构化：文档必须遵循其 DTD 定义的结构，保证规范性和机器可读性。
平台独立：SGML 文档独立于特定软件，便于在不同系统间长期访问。

SGML 的缺点：

极高的复杂性：规范文档长达数百页，学习曲线很陡。
高昂的实现成本：开发全面支持 SGML 的解析器代价高。
严格的合规要求：文档必须严格依据 DTD。这种「零容忍」和 Web 追求高效、灵活推广的做法合不来。

SGML 的三个组成部分：

SGML 声明（SGML Declaration）：指定构建文档的基本参数。
文档类型定义（DTD）：这是 SGML 的核心。DTD 定义一门新语言的合法「语法」，用一系列规则明确规定文档中可以有哪些元素、如何嵌套，以及哪些属性是必要的。
文档实例（Document Instance）：实际撰写的、包含数据和标记的文档文件。

SGML 声明（SGML Declaration）

SGML 声明为整个文档设定解析环境的基本参数。它不定义具体的元素标签，而是规定一些全局处理规则。

字符集：文档使用什么字符集（ASCII、EBCDIC 等）。
定界符：标记的起始符号（默认 <）、结束符号（默认 >）、注释符号（默认 --）等。
命名规则：标签名称的最大长度、是否区分大小写。
容量限制：例如一个元素最多可以有多少个属性、属性值最长多少字符。

<!SGML "ISO 8879:1986"

  CHARSET
    BASESET  "ISO 646-1983//CHARSET International Reference Version (IRV)//ESC 2/5 4/0"
    DESCSET  32 95 0

  CAPACITY
    SGMLREF
      TOTALCAP  150000

  SYNTAX
    SHUNCHAR 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 127
    DELIM    SGMLREF
    NAMING   SGMLREF

  SGMLREF
>

文档类型定义（DTD）

文档类型定义（DTD，Document Type Definition）为一类文档定义合法的元素、属性、嵌套关系。

文档类型定义规定：

哪些元素可以出现。例如：headline、paragraph、section。
元素之间如何嵌套。例如：article 下必须有 headline，body 里只能放 paragraph 或 section。
元素可以带哪些属性。例如：article 可以有 id、version。
属性值的类型。例如：文本、唯一标识符 ID，或者多个选项中的一个。

<!-- 声明新闻文章元素 -->
<!ELEMENT article   (headline, byline?, dateline?, body) >

<!-- 声明文章内的其他元素 -->
<!ELEMENT headline  (#PCDATA) >
<!ELEMENT byline    (#PCDATA) >
<!ELEMENT dateline  (#PCDATA) >
<!ELEMENT body      (paragraph+ | section+) >

<!-- paragraph 可以包含文本、强调、引用 -->
<!ELEMENT paragraph (#PCDATA | emph | quote)* >
<!ELEMENT emph      (#PCDATA) >
<!ELEMENT quote     (#PCDATA) >

<!-- 属性定义示例：新闻文章的 id 和 version -->
<!ATTLIST article
          id        ID       #REQUIRED
          version   CDATA    "1.0" >

注意：采用该 DTD 的文档实例都必须严格遵循这些规则，否则解析器会报错。

文档实例（Document Instance）

文档实例是实际包含真实数据和标记的文档文件，是用户最终编写、也是最终被解析使用的文件。文档实例中必须引用一个 DTD（在 <!DOCTYPE> 声明中），然后按照 DTD 里定义的规则来写标签和内容。

<!DOCTYPE article SYSTEM "article.dtd">
<article id="a123" version="1.0">
    <headline>标准通用标记语言</headline>
    <byline>作者 Lizhao</byline>
    <dateline>2026年5月18日</dateline>
    <body>
        <paragraph>标记语言（Markup Language）是一种在文本中嵌入<emph>标记</emph>的系统化方法。</paragraph>
    </body>
</article>

HTML（超文本标记语言）

诞生背景：Tim Berners-Lee（蒂姆·伯纳斯-李）于 1990 年代初在 CERN 研发万维网时，基于 SGML 的一个简化子集设计了 HTML。

基本定位：HTML 是 SGML 的一个应用（application），而非 SGML 本身。这一判断适用于 HTML 4.01 及更早；HTML5 起不再基于 SGML。

核心特征：HTML 的标记集合是固定的、不可扩展的。它只使用了 SGML 中很少一部分标记，便于在计算机上实现。

用途：着重于文档在浏览器中的显示与呈现，是一种标记语言，而非编程语言。

HTML 是超文本标记语言（HyperText Markup Language），着重描述如何把文件显示在浏览器中。HTML 的标记是固定的，语法不可任意扩展。

HTML 的核心特征：

标记固定不可扩展：标签都是预定义的。
语法宽松：标签可以不闭合、属性可以不加引号、大小写不敏感（指 HTML 语法；按 XML 解析的 XHTML 除外）。
本质是标记语言，不是编程语言。

HTML 的发展历程

HTML 是万维网（WWW）最核心的语言，由多方在近三十年里持续演进。

灵感诞生（1989－1991 年）：Tim Berners-Lee 在 CERN（欧洲核子研究组织）工作期间，为方便科学家共享和浏览文档，提出了超文本，并基于 SGML 写出 HTML 雏形。HTML 最初被设计成描述科学文档语义的语言：作为一种标记语言，作者给标题、段落、列表等加上标签，告诉浏览器这些内容的含义和结构。
HTML 1.0（1993）：草案。IETF 工作草案，不是正式推荐标准。
HTML 2.0（1995 年）：互联网工程任务组（IETF） 从 1993 年开始正式制定 HTML 规范，并于 1995 年发布了第一个官方版本，也就是 HTML 2.0。
W3C（1994 年）：Tim Berners-Lee 在 1994 年创立了万维网联盟（W3C），旨在引领 Web 技术的发展。1996 年，W3C 从 IETF 手中接管了 HTML 的标准化工作。
HTML 3.2（1997 年）：首个由 W3C 发布的推荐标准，整合了当时浏览器的各种特性，较为突出的是纳入了 table。
HTML 4.0（1997 年） 和 HTML 4.01（1999 年）：这两个版本强调把结构（HTML）与表现（CSS） 分开，让样式控制更灵活。
XHTML：HTML 4.01 之后，W3C 认为 HTML 语法不够严谨，希望走向更严格的 XHTML（基于 XML 的 HTML）。浏览器厂商觉得这偏离实际需求。于是在 2004 年，苹果、Mozilla 和 Opera 等公司成立了 WHATWG（网页超文本应用技术工作小组，Web Hypertext Application Technology Working Group），继续沿「动态标准」推进 HTML，直接催生了后来的 HTML5。
HTML5（2004－2019）：WHATWG 的工作成果后来被 W3C 认可，双方一度共同推进 HTML5。2008 年发布第一份草案；2014 年 HTML5 成为 W3C 推荐标准。期间两份规范也曾并行。HTML5 补上了 HTML4 的一批缺口：缺乏语义标签、多媒体支持差、移动端不友好等。
HTML 动态标准（2019 年）：2019 年两大组织达成合作协议。W3C 放弃对 HTML 的独立维护，将 WHATWG 维护的 HTML Living Standard（HTML 动态标准）确立为 HTML 的唯一标准。此后 HTML 不再有版本号，而是持续更新。

HTML 的后续方向

HTML 作为动态标准持续演进，不会再有「HTML6」这种大版本号。下面这些是讨论或实验中的方向，不是已经写进 Living Standard、可以当现行能力用的特性：

更强的 Web 组件：更便捷地创建和复用自定义 UI 元素。
给机器用的语义：讨论用标准属性给模型或辅助技术更明确的指引；尚无以此为目的的稳定全局属性。
HTML-in-Canvas：提案中的渲染方式，把 HTML 内容画进 canvas。
性能和体验：更高效的移动端架构、更流畅的多媒体，以及对新交互形式的底层支持。

代码示例

HTML 由一系列有特定含义的元素组成，用尖括号包裹的标签向浏览器描述内容：

<!DOCTYPE html>
<html lang="zh-CN">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>这是一个网页</title>
</head>
<body>
    <header>
        <h1>欢迎来到我的博客</h1>
        <nav>...</nav>
    </header>
    <main>
        <article>
            <h2>文章的标题</h2>
            <p>这里是文章的正文内容，非常有趣。</p>
            <img src="logo.jpg" alt="网站Logo" width="100">
            <a href="https://www.example.com">访问示例网站</a>
        </article>
    </main>
    <footer>
        <p>© 2026 我的博客</p>
    </footer>
</body>
</html>

XML（可扩展标记语言）

标准状态：XML 1.0 于 1998 年 2 月 10 日成为 W3C 推荐标准，并于 2000 年 10 月 6 日发布了第二版。

基本定位：XML 是 SGML 的一个简化子集（subset），但保留了 SGML 的核心扩展能力。

核心特征：与 HTML 相比，XML 的标签是可扩展的——用户可以根据需要自定义标签。

用途：着重于数据的结构化表示和跨平台数据交换。XML 使用一套简单而灵活的标准格式，为 Web 应用提供了描述数据和交换数据的手段。

XML 是可扩展标记语言（Extensible Markup Language），是 SGML 的一个子集。它以纯文本格式、通过可自定义的标签来描述信息，实现数据的「自我描述」。

SGML 功能很强，但过于复杂，难以在 Web 上普及。于是 XML 作为其简化子集被设计出来：保留 SGML 的核心能力，丢掉那些复杂、不常用的特性。

XML 的核心语法规则：

一个根元素：所有元素必须被一个单一的根元素包裹。
严格闭合：每个开始标签都必须有对应的结束标签，且对大小写敏感。
正确嵌套：标签的嵌套顺序必须正确，不能交叉。
属性加引号：所有属性值必须使用引号（单引号或双引号）括起来。

<?xml version="1.0" encoding="UTF-8"?>
<article>
  <header id="article01">
    <author>Lizhao</author>
    <title lang="en">标记语言演进</title>
    <time>2026年5月18日</time>
  </header>
</article>

XHTML（可扩展超文本标记语言）

标准状态：XHTML 1.0 于 2000 年 1 月 26 日成为 W3C 推荐标准。该版本于 2018 年 3 月 27 日被标记为 Superseded Recommendation（已被取代的推荐标准），W3C 建议新项目采用最新的 HTML 规范。
基本定位：XHTML 是将 HTML 4 以 XML 1.0 的形式重新表达（reformulation of HTML 4 as an XML 1.0 application）。
核心特征：XHTML 使用 XML 的严格语法规则来书写 HTML，在语法上比传统 HTML 更严。
与 HTML、XML 的关系：传统 HTML 是一种基于 SGML 的应用，而 XHTML 则基于 XML。XHTML 可视为 HTML 向 XML 过渡 的产物。

XHTML 是可扩展超文本标记语言（Extensible HyperText Markup Language）。

XHTML 的发展历程：

XHTML 1.0（2000 年 1 月 26 日）：在遵循 XML 语法的同时，尽可能保持与现有 HTML 4.01 浏览器的兼容性。它包含三种 DTD：
- Strict（严格型）：最纯净的版本，强制用 CSS 定义样式，把结构与表现分开。
- Transitional（过渡型）：在遵循新语法的同时，允许使用部分已被弃用的表现性标签（如 font）。
- Frameset（框架型）：用于使用 frameset 的网页。
XHTML 1.1（2001 年 5 月 31 日）：不再向后兼容 HTML，舍弃当时已过时的特性。XHTML 1.1 是这条主线上最后一个独立标准。
XHTML 2.0（止步于草案）：旨在创建理想的、基于 XML 的文档语言。因脱离实际开发需求，未获得浏览器厂商支持，最终取消。
XHTML5（HTML 的 XML 语法）：WHATWG 与 W3C 把 XHTML 的严格写法收进 HTML5，形成规范里的 XML 语法（用 application/xhtml+xml 等按 XML 解析）。

XHTML 的核心语法规则：

文档声明与命名空间：每个 XHTML 文档必须以 DOCTYPE 开头，根元素 html 必须使用 xmlns 属性指定命名空间。
元素必须小写：标签名必须统一使用小写字母。
属性必须小写且加引号：属性名必须小写，所有属性值必须使用双引号（"）或单引号（'）括起来。
所有元素必须闭合：非空元素必须有结束标签；空元素（如 br、img）也必须以 / 结尾。
属性必须完整赋值：所有属性必须有属性值，如 checked="checked"。
标签嵌套必须正确：必须先开后闭，不能交叉。

注意：XHTML 1.0 已于 2018 年被 W3C 标记为「已取代的推荐标准」，新项目应采用现行 HTML 规范。

XHTML 是 HTML 向 XML 过渡的中间产物。随着 HTML5 及 HTML Living Standard 成熟，它已退出写网页的主线。

HTML5（W3C 2014）

诞生背景：HTML5 诞生于 Web 标准方向的分歧之中。2004 年，苹果、Mozilla 和 Opera 对 W3C 放弃 HTML、全力推进 XHTML 的路线表示异议，联合成立 WHATWG（网页超文本应用技术工作小组，Web Hypertext Application Technology Working Group），开始研发一套向后兼容、不基于 XML、能支持现代 Web 应用的新标准。其成果 Web Applications 1.0 即为 HTML5 的前身。2006 年 W3C 转向与 WHATWG 合作，2008 年发布第一份工作草案，2014 年 10 月 28 日正式成为 W3C 推荐标准。

基本定位：HTML5 是 HTML 标准的第五次重大修订，但意义远超版本号。它不是一门新语言，而是在继承 HTML 核心语法的基础上做功能性扩展，把浏览器从单纯的文档展示器，变成应用开发平台。

核心特征：原生能力大幅增强。新增大量语义化标签（header、nav、article、section 等），原生支持多媒体（audio、video）和图形（canvas、SVG），同时提供地理位置、本地存储、Web Workers、离线应用等 JavaScript API，并改进了表单控件类型与内置校验。

用途：着重于构建跨平台的 Web 应用。

HTML5 是 HTML 标准的第五次重大修订，它并不是「最新版本号」。HTML 目前已没有版本号，取而代之的是 WHATWG 维护的 HTML Living Standard（HTML 动态标准）。

2019 年之前 W3C 发布的 HTML5 系列标准（含版本号）已停止独立维护，内容整合进 WHATWG 的 HTML Living Standard。W3C 将 WHATWG 动态标准视为 HTML 的唯一标准版本。

今天说的「HTML5」，常常不再指 5.0 这个版本号，而是一组现代 Web 技术的集合——包括 HTML 动态标准，以及增强存储、多媒体和硬件访问的 JavaScript API。

HTML5 的核心特性

更语义化的结构、更强的功能、以及更好的用户体验：

语义化标签：header、nav、main、article、section、aside、footer
原生多媒体支持：video、audio
图形与动画能力：canvas、SVG
丰富的应用 API：地理位置、本地存储、Web Workers、拖放操作
其他重要改进：新的表单类型（email、url、number、date 等 input 类型）、离线应用。响应式布局常用 CSS 的 @media，不属于 HTML 规范本身，但常和 HTML5 一起出现。

HTML5 的重要 API

Geolocation：获取用户地理位置。
Web Storage：客户端存储（localStorage、sessionStorage）。
IndexedDB：浏览器端 NoSQL 数据库。
Web Workers：后台执行 JavaScript。
WebSocket：全双工实时通信。
History API：无刷新修改浏览器 URL 和历史记录。
Drag and Drop：原生拖放操作。
Canvas API：动态 2D 绘图。三维图形走 WebGL，也使用 <canvas> 元素。
WebRTC：浏览器端实时音视频通信。
Notification API：桌面通知。

通俗说法：HTML5（术语）≈ HTML Living Standard + CSS3 + 一批 JavaScript API。CSS 和不少底层 API 有各自的规范，并不写在 HTML 标准正文里。

HTML Living Standard（动态标准）

标准现状：自 2019 年 5 月 28 日起，W3C 将 WHATWG 维护的 HTML 动态标准（HTML Living Standard）视为 HTML 的唯一标准版本。HTML 进入无版本号、持续演进的阶段。

与 HTML5 的关系：W3C 带版本号的 HTML5（包括 5.0、5.1、5.2 等）是 2014 年至 2019 年间发布的快照。WHATWG 从 2004 年起以「活标准」模式维护 HTML。2019 年后 W3C 停止独立维护，统一跟 WHATWG 动态标准。

HTML5 在术语上的演变：当前语境里，「HTML5」更常指一组现代 Web 技术——HTML 动态标准、CSS3，以及增强存储、多媒体和硬件访问的 JavaScript API。

最新规范地址：https://html.spec.whatwg.org/

HTML Living Standard（HTML 动态标准）是 HTML 语言的官方现行标准，由 WHATWG 维护并持续更新。

它和带版本号的标准（如 HTML 4.01、HTML5）不同，采用动态标准模式：文档没有固定版本号，随着浏览器实践和 Web 技术发展持续更新。

WHATWG（网页超文本应用技术工作小组）

WHATWG 是网页超文本应用技术工作小组（Web Hypertext Application Technology Working Group），由苹果、Mozilla 和 Opera 于 2004 年成立。成立原因是：当时的 W3C 意图放弃 HTML，转而全力推进 XHTML 和 XML 技术路线。

WHATWG 与 W3C 理念不同：

WHATWG：HTML 应该成为动态标准，随技术和市场需求持续更新。
W3C：倾向于固定的标准版本，按规范流程稳定发布。

2006 年，W3C 改变了对 XHTML 的思路。2007 年，W3C 采纳 WHATWG 的提案，以 WHATWG 的 Web 应用规范为基础推进 HTML5。这标志着 XHTML 路线的终结和 HTML5 时代的开启。

2019 年 5 月 28 日，W3C 与 WHATWG 签署合作备忘录：

WHATWG 继续维护 HTML 和 DOM 的动态标准。
W3C 停止独立发布 HTML 和 DOM 相关规范。
W3C 将 WHATWG 的审阅草案纳入 W3C 正式推荐标准流程。
双方共同在 WHATWG 的存储库 中开发 HTML 和 DOM。

自此，HTML Living Standard 成为 HTML 的唯一标准版本。

涵盖范围

HTML Living Standard 的涵盖范围比传统 HTML 标准更广，主要包括：

HTML 核心语法：标签、元素、属性、文档结构等基础定义。
与 DOM 相关的部分：浏览器里 HTML 文档如何落到对象模型上。完整的 DOM 标准由 WHATWG 另文维护（https://dom.spec.whatwg.org/）。
Web API：与页面交互的 JavaScript API（如 fetch、Web Storage、Web Workers 等）。不少 API 另有专篇规范。
解析规则：浏览器如何解析 HTML 的详细算法（包括容错）。
渲染行为：浏览器如何呈现特定元素。
可访问性：ARIA 角色和语义的集成。

注意：CSS 和某些更底层的 API（如 WebRTC、WebGL）有各自独立的标准，不在 HTML Living Standard 范围内。

浏览器支持情况

主流浏览器以 HTML Living Standard 为跟进目标，实现进度并不完全同步：

浏览器	引擎	遵循情况
Chrome	Blink	持续跟进
Edge	Blink	持续跟进
Firefox	Gecko	持续跟进
Safari	WebKit	持续跟进
Opera	Blink	持续跟进

版本演进的历史节点

1995：IETF 发布 HTML 2.0（首个官方标准）。
1997：W3C 发布 HTML 3.2。
1999：W3C 发布 HTML 4.01（经典版本）。
2000：W3C 发布 XHTML 1.0。
2004：WHATWG 成立，开始研发动态标准。
2008：W3C 发布 HTML5 第一份工作草案。
2014：W3C 正式发布 HTML5 推荐标准。
2019：W3C 与 WHATWG 签署协议，HTML Living Standard 成为唯一标准。
至今：WHATWG 持续维护 HTML Living Standard。

一句话：HTML Living Standard 是官方现行标准；HTML5 是这段标准在历史上的版本名，也常被用来统称这一代 Web 能力。

结语

写网页跟的是持续更新的 Living Standard。GML、SGML、XHTML 说明标记语法从哪来、严到什么程度；它们不再是现行页面规范。

日常说的 HTML5，多半是这一代能力的统称，而不是还要去对 5.0 的版本号。

标记语言演进：从GML到HTML动态标准