Wat is een HTML-bestand?

HTML is een puur tekstformaat dat in elke editor opengaat. Het kan beeldpunten en getekende vormen op dezelfde pagina hebben. Het wordt gebruikt voor het web en bewerken.

De extensie is .html en de volledige naam HyperText Markup Language. Allebei zeggen ze minder dan wat het bestand kan bevatten, en daar gaat de rest van deze pagina over.

Het komt van WHATWG. De specificatie is HTML Living Standard.

De leeftijd is om een praktische reden interessant: hoe ouder een formaat, hoe meer programma’s de tijd hebben gehad om het te leren.

Ze is volledig gepubliceerd, dus wie het formaat wil uitvoeren kan dat uit het document doen in plaats van door te kijken hoe anderen het doen. Daarom duikt het in zo veel programma’s op, en daarom gaan bestanden van twintig jaar geleden nog steeds open. Openbaar is niet hetzelfde als royaltyvrij: waar een formaat een codec omhult, is de octrooilicentie een aparte vraag waarop de standaard geen antwoord geeft.

Visual Studio Code en Google Chrome lezen het, en de meeste programma’s van dezelfde soort ook.

Als een bestand niet opengaat ligt het zelden aan het formaat — vaker is het programma ouder dan het formaat. Converteren naar iets ouders is de betrouwbare weg eromheen, en daarvoor is de rest van deze site bedoeld.

Elke actuele browser leest het.

Je kunt het dus zonder zorgen op een pagina zetten of aan een bericht hangen, zonder je af te vragen wat de andere kant geïnstalleerd heeft.

HTML is bedoeld om te openen en te wijzigen. Houd het bestand in dit formaat zolang het werk loopt, en exporteer eruit wanneer er een afgeronde versie nodig is.

Dit is het ene om te begrijpen over HTML, en bijna elk probleem ermee volgt hieruit. Een HTML-bestand bevat de tekst en structuur — koppen, alinea’s, tabellen, links — en verwijst naar al het andere. Het stylesheet dat de vormgeving maakt is een apart bestand. Zo ook de afbeeldingen, lettertypen en scripts.

Een op zichzelf bewaard en later geopend HTML-bestand toont dus de inhoud zonder enige vormgeving: ongestylede koppen, ontbrekende plaatjes. Er is niets beschadigd. De verwijzingen leiden simpelweg nergens heen, want wat ze aanwijzen zat nooit in het bestand.

Browsers weten dit, wat verklaart waarom een pagina opslaan een HTML-bestand plus een map met dezelfde naam oplevert, met de afbeeldingen en stylesheets erin. De twee reizen samen of helemaal niet.

De meeste browsers bieden ook een enkel-bestandsoptie, soms MHTML genoemd, die alles in één bestand verpakt. Dat lost het transportprobleem op en schept een nieuw: het resultaat is alleen betrouwbaar leesbaar in een browser uit dezelfde familie. Voor een pagina overdragen is PDF het formaat dat echt werkt.

Een documentformaat omzetten betekent meestal de ene structuur op de andere afbeelden. HTML naar PDF omzetten is anders: de pagina moet eerst opgemaakt worden, want niets in het bestand zegt hoe breed iets is. Een browser beslist dat op basis van de venstergrootte, het stylesheet en de beschikbare lettertypen.

Daarom levert dezelfde pagina verschillende PDF’s op in verschillende tools, en waarom een pagina die op een script vertrouwt om inhoud te bouwen leeg kan aankomen. Het is ook waarom printstylesheets bestaan.

E-mail. Vrijwel elk marketingbericht en elke melding is HTML, geschreven tegen een veel oudere en vreemdere subset dan een webpagina gebruikt — lay-outtabellen, inline stijlen, niets van de moderne functies, omdat e-mailclients renderen met engines die lang geleden stopten met ontwikkelen.

Documentatie en rapporten zijn het andere grote gebruik. Alles gegenereerd door een tool — testresultaten, dekkingsrapporten, analytics-exports — is vaak HTML, omdat elke machine het kan tonen zonder licenties.

Een HTML-bestand is tekst, dus iemand moet beslissen hoe de letters worden opgeslagen, en het bestand verklaart dat in een meta-tag bovenaan. Klopt die verklaring niet, dan komen geaccentueerde tekens en niet-Latijnse scripts als vraagtekens of zwarte ruiten uit.

UTF-8 is overal het antwoord, en een bestand zonder verklaring wordt gegokt door wat het opent. Oogt een pagina goed in de ene browser en verhaspeld in de andere, dan is dit vrijwel altijd waarom.

Het is tekst, dus elke editor werkt. Een editor gebouwd voor code voegt twee dingen toe: hij kleurt de tags zodat structuur in één oogopslag zichtbaar is, en wijst op een niet-gesloten element voordat je twintig minuten kwijt bent aan uitzoeken waarom de halve pagina vet is.

Wat geen editor kan doen, is je beschermen tegen de tolerantie van de browser. HTML heeft geen strikte parser — een misvormde pagina wordt niet geweigerd, maar hersteld volgens regels, en dat herstel is misschien niet wat je bedoelde.

HTML zelf is veilig. Het is het meest geïmplementeerde formaat dat bestaat, publiekelijk gespecificeerd, en een document uit 1995 rendert nog steeds. Het risico is alles eromheen: een pagina waarvan de opmaak afhangt van een script op een externe server wordt een lege huls zodra dat verdwijnt.

Zet voor een archief om naar PDF — de opmaak en elk asset eindigen in één bestand dat niets nodig heeft dan een lezer. Bewaar ook de HTML, want dat is de versie die nog doorzoekbaar en bewerkbaar is.