Che cos’è un file HTML?

HTML è un formato di testo semplice che si apre in qualsiasi editor. Può tenere pixel e forme disegnate sulla stessa pagina. Si usa per il web e la modifica.

L’estensione è .html e il nome per esteso è HyperText Markup Language. Contano entrambi meno di ciò che il file può contenere, ed è di questo che parla il resto della pagina.

Viene da WHATWG. La specifica è HTML Living Standard.

L’età serve saperla per un motivo pratico: più un formato è vecchio, più programmi hanno avuto tempo di impararlo.

È pubblicata per intero, quindi la si può implementare partendo dal documento invece che per osservazione: è per questo che il formato compare in così tanti programmi, ed è per questo che file scritti vent’anni fa si aprono ancora. Una specifica pubblicata però non è la stessa cosa di una esente da royalty: dove un formato incapsula un codec, le licenze sui brevetti restano una questione a parte che lo standard non risolve.

Visual Studio Code e Google Chrome lo leggono, e così fanno quasi tutti i programmi dello stesso tipo.

Quando un file non si apre, il formato è raramente il problema: più spesso è il programma a essere più vecchio di lui. Convertire in qualcosa di più vecchio è la via d’uscita affidabile, ed è a questo che serve il resto di questo sito.

Qualsiasi browser attuale lo legge.

Puoi quindi metterlo su una pagina o allegarlo a un messaggio senza chiederti che cosa abbia installato chi lo riceve.

HTML è pensato per essere aperto e modificato. Tieni il file in questo formato per tutto il tempo in cui il lavoro va avanti, ed esporta da lì ogni volta che serve una copia finita.

È l’unica cosa da capire sull’HTML, e quasi ogni difficoltà con esso deriva da qui. Un file HTML contiene il testo e la struttura — titoli, paragrafi, tabelle, collegamenti — e punta a tutto il resto. Il foglio di stile che lo fa sembrare progettato è un file separato. Così sono le immagini, i font, gli script e qualunque cosa caricata da un altro server.

Quindi un file HTML salvato da solo e aperto in seguito mostra il contenuto senza alcun aspetto: titoli non stilizzati, immagini mancanti, una pagina che sembra del 1994. Nulla è corrotto. I riferimenti semplicemente non portano da nessuna parte, perché ciò a cui puntano non era mai nel file.

I browser lo sanno, motivo per cui salvare una pagina produce un file HTML e una cartella accanto con un nome corrispondente, che contiene le immagini e i fogli di stile. I due viaggiano insieme o non viaggiano affatto — inviate l’HTML da solo via email e il destinatario ottiene la versione senza stile.

La maggior parte dei browser offre anche un’opzione a file singolo, a volte chiamata «Pagina web, completa» o MHTML, che impacchetta tutto in un unico file. Risolve il problema del trasporto e ne crea uno nuovo: il risultato è leggibile in modo affidabile solo in un browser della stessa famiglia. Per consegnare una pagina a qualcuno, il PDF è il formato che davvero funziona — un file, tutto incorporato, e appare uguale per tutti.

Convertire un formato di documento di solito significa mappare un insieme di strutture su un altro. Convertire HTML in PDF è diverso: la pagina deve prima essere impaginata, perché nulla nel file dice quanto sia larga qualunque cosa. Un browser lo decide dalla dimensione della finestra, dal foglio di stile e dai font disponibili, e solo allora ci sono posizioni da mettere su una pagina.

È per questo che la stessa pagina produce PDF diversi in strumenti diversi, e perché una pagina che dipende da uno script per costruire il proprio contenuto può uscire vuota. È anche per questo che esistono i fogli di stile di stampa — un sito ben fatto ha un insieme di regole su come la pagina dovrebbe apparire su carta, e un convertitore che le rispetta produce un risultato molto migliore di uno che fotografa lo schermo.

L’email. Quasi ogni messaggio di marketing e notifica è HTML, scritto contro un sottoinsieme molto più vecchio e strano di quello che usa una pagina web — tabelle di layout, stili inline, e nessuna delle funzioni moderne, perché i client di posta renderizzano con motori che hanno smesso di svilupparsi molto tempo fa. Un file HTML esportato da un client di posta apparirà sbagliato in un browser per questa ragione, e non è un difetto dell’esportazione.

Documentazione e report sono l’altro grande uso. Qualunque cosa generata da uno strumento — risultati di test, report di copertura, esportazioni di analisi, capitoli di ebook — tende a essere HTML, perché ogni macchina può mostrarlo senza dover concedere licenze. L’EPUB, il formato per ebook, è uno ZIP di file HTML con un manifesto.

Un file HTML è testo, il che significa che qualcuno deve decidere come sono memorizzate le lettere, e il file lo dichiara in un tag meta vicino all’inizio. Sbagliare quella dichiarazione fa sì che caratteri accentati, virgolette curve e ogni scrittura non latina escano come punti interrogativi, rombi neri o coppie di lettere senza senso.

UTF-8 è oggi la risposta ovunque, e un file senza dichiarazione viene indovinato da qualunque cosa lo apra. Se una pagina appare bene in un browser e storpiata in un altro, è quasi sempre questo — è il file, non il lettore, a mancare dell’informazione.

È testo, quindi qualunque editor funziona. Un editor pensato per il codice aggiunge due cose che vale la pena avere: colora i tag così la struttura è visibile a colpo d’occhio, e segnala un elemento non chiuso prima che passiate venti minuti a chiedervi perché metà pagina sia in grassetto.

Ciò che nessun editor può fare è proteggervi dal fatto che il browser è indulgente. L’HTML non ha un parser rigoroso — una pagina malformata non viene rifiutata, viene riparata secondo regole, e la riparazione potrebbe non essere quella che intendevate. Una pagina che appare giusta non è prova che la marcatura sia giusta, ed è a questo che servono i validatori.

L’HTML in sé è sicuro. È il formato più ampiamente implementato che esista, è specificato pubblicamente, e un documento scritto nel 1995 si mostra ancora. Il rischio è tutto ciò che lo circonda: una pagina il cui layout dipende da uno script su una rete di distribuzione di contenuti, o le cui immagini stanno su un server, diventa un guscio vuoto nel momento in cui uno dei due sparisce.

Per un archivio, convertite in PDF — il layout e ogni risorsa finiscono dentro un unico file che non ha bisogno di altro che un lettore. Tenete anche l’HTML, dato che è la versione che si può ancora cercare, modificare e rirenderizzare. La coppia insieme è la risposta durevole; ciascuno da solo è un compromesso.