Qu’est-ce qu’un fichier HTML ?

HTML est un format texte que n’importe quel éditeur ouvre. Il peut porter des pixels et des formes dessinées sur la même page. Il est utilisé pour le web et la retouche.

L’extension est .html et le nom complet HyperText Markup Language. L’un et l’autre comptent moins que ce que le fichier peut contenir, et c’est le sujet du reste de cette page.

Il vient de WHATWG. La spécification est HTML Living Standard.

L’âge est utile à connaître pour une raison pratique : plus un format est ancien, plus les programmes ont eu le temps de l’apprendre.

Elle est publiée intégralement : n’importe qui peut l’implémenter à partir du document plutôt qu’en l’observant, et c’est pourquoi ce format apparaît dans tant de programmes et pourquoi des fichiers écrits il y a vingt ans s’ouvrent encore. Une spécification publiée n’est pas pour autant libre de redevances : quand un format enveloppe un codec, les brevets sont une question à part, que la norme ne tranche pas.

Visual Studio Code et Google Chrome le lisent, comme la plupart des programmes du même genre.

Quand un fichier ne s’ouvre pas, le format est rarement en cause : le plus souvent, c’est le programme qui est plus ancien que lui. Convertir vers quelque chose de plus ancien est le contournement fiable, et c’est à cela que sert le reste de ce site.

Tous les navigateurs actuels le lisent.

Vous pouvez donc le poser sur une page ou l’attacher à un message sans vous demander ce que le destinataire a installé.

HTML est fait pour être ouvert et modifié. Gardez le fichier dans ce format tant que le travail dure, et exportez depuis lui chaque fois qu’une version finie est nécessaire.

C’est la seule chose à comprendre au sujet de HTML, et la quasi-totalité des difficultés en découle. Un fichier HTML contient le texte et la structure — titres, paragraphes, tableaux, liens — et pointe vers tout le reste. La feuille de style qui lui donne son aspect soigné est un fichier séparé. Les images, les polices, les scripts et tout ce qui est chargé depuis un autre serveur aussi.

Ainsi, un fichier HTML enregistré seul et rouvert plus tard montre le contenu sans aucune apparence : titres non stylés, images manquantes, une page qui ressemble à 1994. Rien n’est corrompu. Les références mènent tout bonnement nulle part, parce que ce vers quoi elles pointaient n’a jamais été dans le fichier.

Les navigateurs le savent, c’est pourquoi enregistrer une page produit un fichier HTML et un dossier portant un nom voisin, contenant les images et les feuilles de style. Les deux voyagent ensemble ou pas du tout — envoyez le HTML seul par courriel, le destinataire reçoit la version non stylée.

La plupart des navigateurs proposent aussi une option en fichier unique, parfois appelée « Page web, complète » ou MHTML, qui regroupe tout dans un seul fichier. Cela résout le problème de transport et en crée un autre : le résultat n’est lisible de manière fiable que dans un navigateur de la même famille. Pour remettre une page à quelqu’un, le PDF est le format qui se comporte réellement — un fichier, tout embarqué, et le même rendu pour tout le monde.

Convertir un format de document consiste habituellement à projeter un ensemble de structures sur un autre. Convertir HTML vers PDF est différent : la page doit d’abord être mise en page, parce que rien dans le fichier n’indique la largeur de quoi que ce soit. Un navigateur décide à partir de la taille de la fenêtre, de la feuille de style et des polices disponibles, et c’est seulement ensuite qu’il y a des positions à répartir sur la page.

C’est pourquoi la même page produit des PDF différents dans des outils différents, et pourquoi une page qui dépend d’un script pour construire son contenu peut sortir vide. C’est aussi pourquoi les feuilles de style d’impression existent — un site bien fait possède un jeu de règles pour ce que la page doit donner sur papier, et un convertisseur qui les respecte produit un résultat bien meilleur que celui qui photographie l’écran.

Le courriel. Quasiment chaque message marketing et chaque notification est en HTML, écrit contre un sous-ensemble bien plus ancien et étrange que ce qu’une page web utilise — des tableaux de mise en page, des styles en ligne, et aucune des fonctionnalités modernes, parce que les clients de messagerie utilisent des moteurs qui ont cessé d’évoluer il y a longtemps. Un fichier HTML exporté d’un client de messagerie aura l’air faux dans un navigateur pour cette raison, et ce n’est pas la faute de l’export.

La documentation et les rapports sont l’autre grand usage. Tout ce qui est généré par un outil — résultats de tests, rapports de couverture, exports d’analyse, chapitres de livre numérique — tend à être en HTML, parce que chaque machine peut l’afficher sans rien licencier. EPUB, le format du livre numérique, est un ZIP de fichiers HTML accompagné d’un manifeste.

Un fichier HTML est du texte, ce qui signifie que quelqu’un doit décider comment les lettres sont stockées, et le fichier le déclare dans une balise meta près du haut. Si cette déclaration est fausse, les caractères accentués, les guillemets courbes et tout alphabet non latin apparaissent comme des points d’interrogation, des diamants noirs ou des paires de lettres absurdes.

UTF-8 est la réponse partout aujourd’hui, et un fichier sans déclaration est deviné par ce qui l’ouvre. Si une page s’affiche correctement dans un navigateur et en vrac dans un autre, c’est presque toujours la raison — le fichier, et non le lecteur, manque l’information.

C’est du texte, donc n’importe quel éditeur fonctionne. Un éditeur conçu pour le code apporte deux choses utiles : il colore les balises de sorte que la structure soit visible d’un coup d’œil, et il signale un élément non fermé avant que vous ne passiez vingt minutes à vous demander pourquoi la moitié de la page est en gras.

Ce qu’aucun éditeur ne peut faire, c’est vous protéger de la tolérance du navigateur. HTML n’a pas de parseur strict — une page mal formée n’est pas rejetée, elle est réparée selon des règles, et la réparation peut ne pas être ce que vous vouliez. Une page qui a l’air correcte n’est pas la preuve que le balisage est correct, et c’est à cela que servent les validateurs.

HTML lui-même est durable. C’est le format le plus largement implémenté qui existe, il est spécifié publiquement, et un document écrit en 1995 s’affiche toujours. Le risque vient de tout ce qui l’entoure : une page dont la mise en page dépend d’un script hébergé sur un réseau de diffusion, ou dont les images reposent sur un serveur, devient une coquille vide dès que l’un ou l’autre disparaît.

Pour un archivage, convertissez en PDF — la mise en page et chaque ressource se retrouvent à l’intérieur d’un seul fichier qui n’a besoin que d’un lecteur. Conservez aussi le HTML, puisque c’est la version qui peut encore être cherchée, éditée et re-rendue. La paire des deux est la réponse durable ; l’une seule est un compromis.