HTML 4 から XHTML へ

文字コード

XML 文書では、デフォルトでは、UNICODE である UTF-8 か UTF-16 が設定されますが、それ以外の文字コードを用いる場合は、必ず XML 宣言で、 encoding 属性を与えなければなりません。

<?xml version="1.0" encoding="ISO-2022-JP"?>

XHTML では、これに重ねて、 head 要素内の meta http-equive 宣言でも指定する必要が有ります。

<meta http-equiv="Content-type"
      content='text/html; charset="ISO-2022-JP"'/>

XML 宣言における encoding 属性の方が優先されますが、必ず同時に同じコードを指定しましょう。

大文字と小文字

XML では、大文字と小文字を厳格に区別します。 XHTML の要素と属性はすべて小文字でしか定義されていません。属性値は HTML の場合と同様の扱いですが、要素名と属性名は必ず小文字で書かなければなりません。例えば、<P> と <p> は異なるタグとして解釈されます。

終了タグの必須

HTML では、ある種の要素に対しては、終了タグが省略可能でした。例えば、LIST要素のLI要素や、TABLE要素のTD要素などは習慣的にも省略されてきました。

しかし、 XML では全ての要素に付いて、終了タグが必須になりました。

<ul>
  <li>項目一</li>
  <li>項目二</li>
</ul>

<ul>
  <li>項目一
  <li>項目二
</ul>

空要素

<meta>, <br>, <hr>, <img>, <frame> などの空要素に付いては、終了の目印として、<meta />, <br />, <hr />, <img />等のように、 /> で終わる必要が有ります。

また、 <br></br> のように記述する事が XML で認められていますが、旧来の HTML 解釈ブラウザでは、どのように振る舞うか分かりません。

W3C の仕様書では、後方互換性を保つ為に、/> の直前に半角スペースを挿入するよう、示唆されています。

<img src="./image.gif" />

属性値の引用符

HTML では、属性値の引用符はある場合には省略可能でした。しかし、 XHTML では全ての属性値を引用符で括るように定義されています。

<table border="2">
<tr>
<td> hogehoge </td>
</tr>
</table>

<table border=2>
<tr>
<td> hogehoge </td>
</tr>
</table>

属性の最小化の禁止

HTML では、ある種の属性は属性値を省略できました。例えば、<frame noresize>, <dl compact> などです。

しかし、 XML では、属性は必ず属性値を持たなければなりません。

<frame noresize="noresize" />

<frame noresize />

空要素のタグの末尾が /> になっている事に注意して下さい。

script 要素や style 要素

XML では、<, & などの実体が記述されていると、スクリプトとして処理される前に、実体参照として、<, & であると認識してしまう。これらの実体の展開を避けるには、 CDATA マークされた内側に記述する必要が有る。

<script>
 <![CDATA[
 ... エスケープされていないスクリプト内容 ...
 ]]>
</script>

CDATA section 内（ <![CDATA[ から ]]> まで）では、マークアップとして認識される文字列が解釈されるのをエスケープするために用いられる。例えば、 < (less than) や、 & (and) は、 CDATA section 内部では、単なるテキストとして扱われ、意味を持たない。そのため、 &amp; や &lt; を用いてエスケープする必要は無いし、エスケープできない。但し、 > は、CDATA部の終了 ]]> で無い場合、混乱を避けるために、 > を用いてエスケープする必要がある。

また、従来は、サポートしていないブラウザが、ソースをモニタに表示してしまうのを避ける為、スクリプトやスタイルは、 <!-- と --> でコメント・アウトするのが慣習だった。しかし、 XML 解釈では、コメントは何もせず無視する事が許されるので、スクリプトやCSSが全く働かない可能性も有る。これを避ける為には、スクリプトやスタイルをコメント・アウトしないか、外部スタイルシートを利用するよう示唆されている。

機能を持たない単なるコメントは、 <!-- と --> を用いれば良い。但し、-- と云う文字列（ダブル・ハイフン）は、コメント内部では用いられないが、コメント内部では、 <, & などの要素の開始文字を直接含んでも構わない。

<!--
ここはコメント。 <p> の様にエスケープしないで記述しても構わないし、
DTD の中に記述しても構わない。
-->

name 属性の廃止と id 属性への移行

HTML では、幾つかの要素に対して、name 属性が用意されていた。

しかし、 XHTML 1.0 では、name 属性は廃止予定であり、変わりに id 属性を用いなければならない。働きは、 HTML 4 で定義されたままである。

W3C では、後方互換の為に、XHTML 文書において、name 属性と id 属性を同時に併用するよう示唆されている。

<frame name="hogehoge" id="hogehoge" />

<frame name="hogehoge" />

HTML 4 では、 name 属性は限られた要素にしか定義されていなかったが、 id 属性はあらゆる要素に対して与える事が可能。

暫定的な対応としては、name 属性と id 属性の両方を与えることで、後方互換を保つことができる。N.C.4.xなどでは有効。

使用言語

要素の言語は、 lang 属性と、 xml:lang 属性の双方を同時に用いなければならず、 xml:lang 属性の方が優先される。

<p xml:lang="ja" lang="ja">

要素の禁止事項

XML の DTD では、要素に対して、その子孫要素の禁止が指定できない。しかし、原則 HTML 4 に従うべきだろう。 W3C の「 XHTML 1.0 仕様書」で挙げられている禁止事項は次の通り；

タグ付けの注意

HTML 4 も構造化文書でした。しかし、 XML ではその利用目的や可能性からして、より木目細かいマークアップが望まれます。そうすることで、データとしての有用性が高まります。 XHTML も XML の一例ですからその恩恵は当然受けられます。

<h1>LaTeX 入門</h1>
  <h2>TeX と LaTeX</h2>
    <p>
    LaTeX は、 Donald Knuth 氏が 78 年から 82 年に掛けて作った
    TeX と云う文書処理システムに、 Leslie Lamport 氏が
    大量のマクロを書き加えて使い易くしたものです。
    </p>
    <p>
    LaTeX や LaTeX2e などのマクロ集と区別する為に、
    TeX 本体の事を Plain TeX と呼びます。
    </p>
  <h2>LaTeX の例</h2>
    <p>
    LaTeX の文書は必ず、 \documentstyle{...style...} と
    \begin{document} で始まり、\end{document} で終わります。
    </p>

このサンプルコードをXML文書として表示させてみましょう；

何が望ましくないのでしょうか？ヒントはインデントです。

上の例では、わかりやすくする為に、意味の階層に対して、インデントが付いています。 XML では、このように区別できる場合は全てマークアップしておいた方が、後々扱い易い事が良くあります。

<div class="chapter">
<h1>LaTeX 入門</h1>
  <div class="section">
  <h2>TeX と LaTeX</h2>
    <div class="paragraph">
    <p>
    LaTeX は、 Donald Knuth 氏が 78 年から 82 年に掛けて作った
    TeX と云う文書処理システムに、 Leslie Lamport 氏が
    大量のマクロを書き加えて使い易くしたものです。
    </p>
    <p>
    LaTeX や LaTeX2e などのマクロ集と区別する為に、
    TeX 本体の事を Plain TeX と呼びます。
    </p>
    </div>
  </div>
  <div class="section">
  <h2>LaTeX の例</h2>
    <div class="paragraph">
    <p>
    LaTeX の文書は必ず、 \documentstyle{...style...} と
    \begin{document} で始まり、\end{document} で終わります。
    </p>
    </div>
  </div>
</div>

このサンプルコードもXML文書として表示させてみましょう；

いかにもファイルサイズが大きくなってしまいました。しかし、XML としてはこれで良いのです。

こうする事で、例えば h1 以下の固まり（チャプター）は div.chapter で、h2 以下の固まり（セクション）は div.section で、セクション内の段落の固まりは div.paragraph で指定して一まとめに扱えます。

もし、特定の固まりだけ特別扱いしたい場合は、 id 属性を用いて、固有の名前を付けて区別する事が出来ます。 id 属性の属性値は一つのファイルの中でユニークでなければなりません。複数回同一の id 属性値が表れるファイルはエラーになりますので、注意して名付けて下さい。命名には、数字以外の、普通の文字から始まる以外には制約は有りません。