HTML 文檔是標準 ASCII/UTF-8 文本,由**元素**組成。理解元素結構、標籤語法、屬性機制、嵌套規則、文檔樹模型,是編寫合法、可維護、高性能 HTML 的前提。本文從規範層面系統重構 HTML 結構知識體系。
元素三要素
<tagname attribute="value">Content</tagname>
│ │ │
│ │ └─ 元素內容 (可包含文本、其他元素)
│ └─ 屬性 (鍵值對,修飾元素行為/外觀)
└─ 標籤名 (元素類型)
標籤分類
| 類型 | 語法 | 例子 | 說明 |
| 容器元素 | <tag>...</tag> | div, p, span, article, section | 有開始/結束標籤,包裹內容 |
| 空元素 | <tag /> 或 <tag> | img, br, hr, meta, link, input | 無內容,HTML5 無需關閉斜槓 |
| 原始文本元素 | <tag>...</tag> | script, style | 內容不解析實體/標籤 |
| RCDATA 元素 | <tag>...</tag> | textarea, title | 內容解析實體但不解析標籤 |
屬性語法規範
文檔樹結構(DOM Tree)
Document
└─ html (根元素)
├─ head
│ ├─ meta charset
│ ├─ title
│ ├─ link rel="stylesheet"
│ └─ script
└─ body
├─ header
│ └─ nav > ul > li > a
├─ main
│ ├─ article > header + p + footer
│ └─ section > h2 + p
├─ aside
└─ footer
嵌套規則(內容模型)
| 父元素類別 | 允許子元素 | 典型錯誤 |
| 流式內容 | 大多數 body 子元素 | — |
| 章節根 | 流式內容 | — |
| 標題內容 | h1-h6, hgroup | — |
| 段落 | 措辭內容 | <p><div></div></p> ❌ (p 不能包 div) |
| 列表 | ul/ol > li > 流式內容 | <ul><div></div></ul> ❌ |
| 表格 | table > caption? + colgroup* + thead? + tbody* + tfoot? | 直接放 tr ❌ |
| 交互內容 | a, audio/video, iframe, img, label, select, textarea | <a><a></a></a> ❌ (a 不能嵌套 a) |
DOCTYPE 與渲染模式
| DOCTYPE | 模式 | 特徵 |
| `` | **標準模式** | HTML5、CSS2.1+、盒模型標準、現代 JS API |
| HTML 4.01 Strict | 標準模式 | 較舊但標準 |
| HTML 4.01 Transitional | **近標準模式** | 表格單元格行高計算差異、圖片底部間隙 |
| 無 / 古老 | **怪異模式** | 模仿 IE5 盒模型、盒模型非標準、CSS 大小寫不敏感 |
**鐵律**:**永遠第一行寫 ``**,不加註釋、不加空白、不加 BOM 前綴。
HTML 解析器工作流
- **字節流 → 字符流** (按編碼解碼)
2. **分詞器** → 產出 Token (StartTag, EndTag, Text, Comment, Doctype...)
3. **樹構建器** → 按嵌套規則構建 DOM Tree
4. **腳本執行** 阻塞解析(除 `defer`/`async`/`type=module`)
5. **文檔完成** → `DOMContentLoaded` → 資源加載 → `load`
常見結構錯誤與瀏覽器修正行為
| 錯誤寫法 | 瀏覽器自動修正 | 後果 |
| <p><div></div></p> | 關閉 p,div 成為兄弟 | 結構錯亂、樣式失效 |
| <table><tr><td>...</table> | 自動插入 tbody | CSS `table > tr` 選不中 |
| <ul><span></span></ul> | 剝離 span 到 ul 外 | 結構偏移 |
| <a><a></a></a> | 拆分為兩個並列 a | 巢狀鏈接失效 |
| 省略 <html><head><body> | 解析器隱式創建 | DOM 結構不可控 |
現代工具鏈保障結構合法
- **HTMLHint / markuplint**:Lint 階段攔截嵌套錯誤、缺失屬性、語義問題
- **Prettier**:統一格式化、自動補全閉合、屬性雙引號
- **TypeScript JSX (TSX)**:編譯期類型檢查元素屬性、子元素類型
- **Nuxt/Astro/Next.js**:組件化模板,結構由框架保證
- **單元測試**:`@testing-library/jest-dom` 斷言語義結構
結語
HTML 結構不只是「能顯示就行」。**合法嵌套、正確語義、標準模式、無障礙屬性**,決定了 CSS 選擇器能否命中、JS 查找是否準確、搜尋引擎能否理解、螢幕閱讀器能否朗讀。把「寫對結構」作為肌肉記憶,是專業前端的分水嶺。