Structura si logica limbajului HTML

HTML este un limbaj care descrie modul de afisare a unui document (text si informatii de alt tip, de exemplu imagini, animatie, sunete,) folosind doua tipuri de elemente: caractere entitati si taguri.

Tagurile HTML sînt elementele specifice limbajului care determina actiunile ce trebuie efectuate la afisarea si parcurgerea ulterioara a documentului (pot fi asimilate cu instructiunile unui limbaj de p 454j93e rogramare). Caracterele entitati se folosesc la descrierea caracterelor din document care nu fac parte din setul standard ASCII.

I. Tag-urile HTML

Toate tag-urile au nume scrise între paranteze unghiulare <NumeTag> si (eventual) cîteva atribute care pot lua anumite valori. Formatul general al "instructiunilor" (tag-urilor) HTML este urmatorul:

<NumeTag    Atribute> Textul afectat de acest tag </NumeTag>

Tagurile pot fi de doua feluri:

1. Nevide (perechi), între care apare textul afectat. Ele au efect numai asupra textului inclus între ele si sînt de doua tipuri:

de început si au formatul <NUME>

de sfîrsit si au formatul </NUME>

Exemple de tag-uri nevide:

<I>Acest text va fi afisat italic</I>

<B>Acest text va fi afisat îngrosat</B>

2. Vide (singulare), au efect imediat în punctul din document în care apar.

Exemple de tag-uri vide:

<HR> Insereaza o linie orizontala în locul în care apare.

<IMG SRC="poza.gif"> Specifica inserarea unei imagini.

Tag-urile si atributele pot fi editate atît cu caractere mici cît si cu caractere mari, si au acelasi efect.

Atributele tag-urilor au la rîndul lor nume si pot lua numai anumite valori. Forma în care sînt editate atributele este NUME="valoare". Valoarea trebuie inclusa în ghilimele. Daca în tag exista mai multe atribute, ele trebuie separate prin spatiu. Formatul general al unui tag ce are si atribute este urmatorul:

<NumeTag NumeAtribut="ValoareAtribut">Textul afectat de tag</NumeTag>

Exemplu

<IMG src="poza.gif" align="bottom">

Aici NumeTag este IMG si specifica inserarea unei imagini. NumeAtribut1 este SRC si are ca valoare calea si numele fisierului imagine (poza.gif). NumeAtribut2 este ALIGN, priveste alinierea imaginii si are ca valoare BOTTOM (jos, în raport cu rîndul).

Formatul tag-urilor trebuie respectat cu strictete. Chiar daca, în general, aproape toate caracterele de control ASCII sînt ignorate cînd apar în textul HTML (de pilda ENTER sau TAB), daca sînt introduse între parantezele unghiulare ale tag-urilor le vor face neinterpretabile de catre navigatoare si prin urmare nu vor avea nici un efect.

Tag-urile pot fi utilizate si în interiorul altor tag-uri. Acest lucru se face de forma:

<Tagl><Tag2>Textul afectat de tag</Tag2></Tagl>

Exemplu

<A HREF="poza-mare.gif"><IMG SRC="poza-mica.gif"></A>

În acest exemplu, primul tag este <A>...</A> ce indica existenta unei "legaturi" spre alt document, iar al doilea tag este <IMG> ce indica inserarea în document a unei imagini. Astfel "poza-mica.gif" este imagine activa, selectabila, datorita faptului ca este cuprinsa între tag-urile <A>...</A>. Activarea ei de catre cel care priveste documentul cu un navigator, va determina serverul sa-i trimita documentul aflat în fisierul "poza-mare.gif", specificata ca valoare a atributului HREF.

II. Caractere entitati

Deoarece o codificare (charset) poate sa nu fie capabila sa exprime toate caracterele unui set de caractere ale unui document si datorita faptului ca codarea interna a computerului care produce caracterele speciale prin apasarea altor taste (de pilda ALT + codul numeric) nu este aceeasi pentru diferitele sisteme, pentru afisarea lor corecta si pentru a permite translatarea caracterelor speciale este necesara definirea unui set special de coduri, numite caractere entitati (referinte), care pot fi incluse în documentele HTML pentru reprezentarea acestor caractere speciale. Cînd sînt interpretate de catre navigatoare caracterele entitati sînt afisate în mod corespunzator tinînd cont de platforma pe care ruleaza navigatorul si de fontul utilizat.

Caracterele entitati sînt predefinite si pot lua una din doua forme posibile:

entitati nume (referinte caractere) &nume;

entitati numere (referinte numerice) &#numar; sau &#xnumar;

Toate caracterele entitati nume încep cu semnul & (ampersand), urmat de numele entitatii (de exemplu &acirc; care este reprezentat de navigatoare ca â) si terminat cu punct-si-virgula (;), avînd deci forma &nume;. De remarcat ca în numele entitatilor este semnificativ daca o litera este mare sau mica.

Toate caracterele entitati numere încep cu semnul & si sînt reprezentate de un numar precedat de semnul # (de pilda &#126; care este reprezentat de navigatoare ca ~), terminat cu punct-si-virgula (;), avînd deci forma &#numar; sau &#xnumar; (atunci cînd numarul este în hexa).

Exemplu

Cuvîntul "© rîndunica" (care contine caracterele "speciale" î si ©) poate fi inserat într-un document HTML ca entitate nume sau ca entitate numar, astfel:

a). &copy;r&icirc;ndunica

b). &#169;r&#238;ndunica

Entitatile (referintele) numerice specifica pozitia (codul) caracterului în setul de caractere al documentului, iar entitatile nume (referintele caracter) folosesc nume simbolice care permit sa nu se retina pozitia caracterului în cadrul setului de caractere ci doar "numele" sau. În timp ce entitatile sînt limitate la un subset al setului de caractere Unicode, referintele numerice pot specifica orice caracter.

Utilizarea entitatilor în diverse codificari (ISO Latin-1, ISO Latin-2, s.a)

Utilizarea setului ISO Latin-1 permite reprezentarea celor mai multe caractere cu diacritice - prezente pe majoritatea platformelor - dar este totusi limitata. De pilda, caractere destul de des folosite, cum ar fi bulinele sau semnele grafice, nu sînt disponibile în ISO Latin 1. Caracterele românesti de asemenea se gasesc în totalitate doar în supersetul ISO Latin 2. Decodarea seturilor Latin 1 sau 2 nu era implementata în toate navigatoarele si din aceasta cauza documentele scrise cu aceste coduri erau afisate de unele navigatoare mai vechi (sau versiuni mai vechi) prin recurgerea la setul ASCII. Actualele versiuni HTML permit multiple seturi de caractere, inclusiv Unicode care include marea majoritate a caracterelor si a simbolurilor cunoscute în lume.

Entitatile pentru caracterele românesti aĂâÂîÎsstŢ (reprezentabile de navigator daca acesta cunoaste codurile Latinl si Latin2), în aceasta ordine, sînt: &atilde; &Atilde; &acirc; &Acirc; &icirc; &Icirc; (Latinl). Aici &atilde nu este chiar a ci un a cu tilda si lipsesc literele s si t. Reprezentarea lor prin numerele de cod este: &#227; &#195; &#226; &#194; &#238; &#206; &#186; &#170; &#254; &#222; (Latin2)

Caractere speciale

Cîteva dintre caracterele speciale mai des utilizate sînt:

Caractere neafisabile

Un agent utilizator poate sa nu fie capabil sa afiseze (sau sa ofere utilizatorului) corect (sau inteligibil) toate caracterele dintr-un document. Aceasta se poate întîmpla cînd, spre exemplu, nu este disponibil un anumit font, un caracter are o valoare ce nu poate fi exprimata de codificarea interna a agentului utilizator, etc...

Deoarece sînt prea multe cauzele ce pot duce la o astfel de situatie nu se impune ca fiind obligatoriu nimic, DAR fiecare agent utilizator trebuie:

sa adopte un mecanism clar de alertare a utilizatorului (de exemplu afisarea unui caracter sugestiv; în astfel de cazuri Netscape Navigator foloseste semnul întrebarii)

sa afiseze reprezentarea numerica a acelui caracter în cazul în care în document acesta apare ca entitate numerica