9 Текст

В следующих разделах обсуждаются вопросы структурирования текста. Элементы представления текста (элементы выравнивания, шрифта, таблицы стилей и т.д.) обсуждаются в других частях этой спецификации. Информацию о символах см. в разделе о наборе символов документа.

9.1 Неотображаемые символы

Набор символов документа включает множество различных неотображаемых символов. Многие из них являются типографскими элементами, используемым в некоторых приложениях для достижения специальных визуальных эффектов отображения. В языке HTML только следующие символы определяются как неотображаемые:

• пробел набора символов ASCII ( )
• табуляция набора символов ASCII (	)
• ASCII form feed ()
• пробел нулевой ширины (​)

Символы перевода строки также являются неотображаемыми. Помните, что хотя символы 
 и 
 определены в спецификации [ISO10646] как разделители строк и абзацев соответственно, это не определяет символы перевода строки в HTML, а также в этой спецификации они не включены в более общую категорию неотображаемых символов.

В этой спецификации не определяется поведение, отображение и пр. символов пробелов, если они явно не определены как неотображаемые символы. По этой причине для достижения визуальных эффектов форматирования, использующих неотображаемые символы вместо пробелов, авторам следует использовать соответствующие элементы и таблицы стилей.

Для всех элементов HTML, кроме последовательностей неотображаемых слово (мы используем термин "слово" для обозначения "последовательности отображаемых символов") в теге PRE. При форматировании текст агенты пользователей должны идентифицировать эти слова и обрабатывать их в соответствии с соглашениями относительно определенного языка и целевого носителя.

Форматирование может включать пробелы между словами (называемые межсловными пробелами), но соглашения относительно межсловных пробелов меняются в зависимости от сценария. Например, в латинских сценариях межсловный пробел обычно отображается как пробел набора символов ASCII ( ), в то время как в таиландской кодировке это разделитель слов нулевой ширины (​). В японской и китайской кодировке межсловный пробел обычно вообще не генерируется.

Помните, что последовательность неотображаемых символов между словами в исходном документе может вызвать отображение совершенно другого межсловного пробела (кроме элемента PRE). В частности, агенты пользователей должны прекращать ввод последовательностей неотображаемых символов при выводе межсловного пробела. Это можно и нужно делать, даже при отсутствии информации о языке (из атрибута lang, полях заголовка HTTP "Content-Language" (см. [RFC2068], раздел14.13), настроек агента пользователя и т.д.).

Элемент PRE используется для форматированного текста, в котором неотображаемые символы имеют важное значение.

Для того, чтобы избежать проблем с правилами переноса строк SGML и несоответствия между существующими применениями, авторы не должны полагаться на агенты пользователей при генерации неотображаемых символов непосредственно после начального тега или непосредственно перед конечным тегом. Таким образом, авторы и особенно средства разработки, должны писать, например:

 <P>Мы предлагаем бесплатную <A>техническую поддержку</A> для зарегистрированных пользователей.</P>

и не должны писать:

 <P>Мы предлагаем бесплатную<A> техническую поддержку </A>для зарегистрированных пользователей.</P>

9.2 Структурированный текст

9.2.1 Элементы фраз: EM, STRONG, DFN, CODE, SAMP, KBD, VAR, CITE, ABBR и ACRONYM

<!ENTITY % phrase "EM | STRONG | DFN | CODE |
 SAMP | KBD | VAR | CITE | ABBR | ACRONYM" >
<!ELEMENT (%fontstyle;|%phrase;) - - (%inline;)*>
<!ATTLIST (%fontstyle;|%phrase;)
 %attrs; -- %coreattrs, %i18n, %events --
 >

Начальный тег: обязателен, Конечный тег: обязателен

Фразовые элементы добавляют в текстовые фрагменты структуру. Обычное значение фразовых элементов следующее:

EM:

Выделение.

STRONG:

Более сильное выделение.

CITE:

Содержит цитату или ссылку на другие ресурсы.

DFN:

Указывает, что это является определением вложенного термина.

CODE:

Фрагмент компьютерного кода.

SAMP:

Вывод примера программ, сценариев и т.д.

KBD:

Текст, который должен ввести пользователь.

VAR:

Экземпляр переменной или аргумента программы.

ABBR:

Сокращенная форма (например, WWW, HTTP, URI, Mass., и т.д.).

ACRONYM:

Акроним (например, WAC, радар и т.д.).

Элементы EM и STRONG используются для выделения. Другие фразовые элементы имеют определенное значение в технических документах. В следующих примерах показано использование некоторых фразовых элементов:

Как сказал <CITE>Гари Трумэн</CITE>,
<Q lang="en-US">The buck stops here.</Q>
Подробнее см. <CITE>[ISO-0000]</CITE>.
В дальнейшем используйте следующий номер ссылки: <STRONG>1-234-55</STRONG>

Представление фразовых элементов зависит от агента пользователя. Обычно визуальные агенты пользователей представляют текст элемента EMкурсивом, а текст элемента STRONG полужирным шрифтом. Синтезаторы речи могут изменять параметры синтеза, например, громкость, повышение тона и скорости соответственно.

Элементы ABBR и ACRONYM позволяют авторам явно показывать использование аббревиатур и акронимов. Западные языки широко используют акронимы, такие как "GmbH", "НАТО" и "ФБР", а также аббревиатуры типа "M.", "Inc.", "et al.", "etc.". В китайском и японском языках используются аналогичные механизмы аббревиатур, когда длинное название заменяется последовательностью символов Han из оригинала. Разметка этих конструкций предоставляет агентам пользователей и вспомогательным средствам, таким как средства проверки орфографии, синтезаторы речи, переводящие системы и индексаторы поисковых машин, полезную информацию.

Содержимое элементов ABBR и ACRONYM определяет саму аббревиатуру, как она обычно отображается в тексте. Атрибут title этих элементов может использоваться для указания полной развернутой формы выражения.

 <P>
 <ABBR title="World Wide Web">WWW</ABBR>
 <ABBR lang="fr" 
 title="Soci&eacute;t&eacute; Nationale des Chemins de Fer">
 SNCF
 </ABBR>
 <ABBR lang="es" title="Do&ntilde;a">Do&ntilde;a</ABBR>
 <ABBR title="Abbreviation">abbr.</ABBR>

Помните, что аббревиатуры и акронимы часто имеют различное произношение. Например, если слова "США" и "BBC" обычно произносятся побуквенно, слова "НАТО" и "ЮНЕСКО" произносятся фонетически. Другие формы аббревиатур (например, "URI" и "SQL") некоторыми людьми произносятся побуквенно, а другими - как слова. При необходимости авторам следует использовать таблицы стилей для указания произношения аббревиатур.

9.2.2 Кавычки: Элементы BLOCKQUOTE и Q

<!ELEMENT BLOCKQUOTE - - (%block;|SCRIPT)+ -- длинная цитата -->
<!ATTLIST BLOCKQUOTE
 %attrs; -- %coreattrs, %i18n, %events --
 cite %URI; #IMPLIED -- адрес URI документа или сообщения --
 >
<!ELEMENT Q - - (%inline;)* -- краткая встроенная цитата -->
<!ATTLIST Q
 %attrs; -- %coreattrs, %i18n, %events --
 cite %URI; #IMPLIED -- адрес URI документа или сообщения --
 >

Начальный тег: обязателен, конечный тег: обязателен

Эти два элемента определяют текст в кавычках. Элемент BLOCKQUOTE предназначен для длинных цитат (содержимое уровня блока) и Q предназначен для коротких цитат (встроенное содержимое), в которых не нужно разбиение на абзацы.

<BLOCKQUOTE cite="http://www.mycom.com/tolkien/twotowers.shtml">
<P>They went in single file, running like hounds on a strong scent,
and an eager light was in their eyes. Nearly due west the broad
swath of the marching Orcs tramped its ugly slot; the sweet grass
of Rohan had been bruised and blackened as they passed.</P>
</BLOCKQUOTE>

Отображение информации в кавычках 

Визуальные агенты пользователей обычно генерируют элемент BLOCKQUOTE как блок с отступом.

Визуальные агенты пользователей должны обеспечивать отображение содержимого элемента Q с кавычками в начале и в конце. Авторы не должны помещать кавычки в начало и в конец текста в элементе Q.

Агенты пользователей должны генерировать кавычки с учетом принятого в данном языке стиля (см. атрибуты lang). Во многих языках используются различные стили для внешних и внутренних (вложенных) кавычек, которые должны соответственно отображаться агентами пользователей.

John said, <Q lang="en">I saw Lucy at lunch, she says <Q lang="en">Mary wants you to get some ice cream on your way home.</Q> I think I will get some at Ben and Jerry's, on Gloucester Road.</Q>

 John said, "I saw Lucy at lunch, she told me 'Mary wants you to get some ice cream on your way home.' I think I will get some at Ben and Jerry's, on Gloucester Road."

9.2.3 Верхние и нижние индексы: элементы SUBи SUP

<!ELEMENT (SUB|SUP) - - (%inline;)* -- нижний индекс, верхний индекс-->
<!ATTLIST (SUB|SUP)
 %attrs; -- %coreattrs, %i18n, %events --
 >

Начальный тег: обязателен, Конечный тег: обязателен

Часто для правильной генерации необходимы верхние и нижние индексы (например, во французском языке). В этих случаях для разметки текста должны использоваться элементы SUB и SUP.

 H<sub>2</sub>O
 E = mc<sup>2</sup>
 <SPAN lang="fr">M<sup>lle</sup> Dupont</SPAN>

9.3 Строки и абзацы

Авторы традиционно разделяют свои тексты на последовательности абзацев. Организация информации в абзацы не влияет на представление абзаца: абзацы с двойным выравниванием содержат те же мысли, что и абзацы с выравниванием влево.

Разметка HTML для определения абзаца проста: элемент P определяет новый абзац.

Визуальное представление абзаца не так просто. Имеется ряд проблем, стилистических и технических:

• Обработка непечатных символов
• Перенос строки и продолжение слов
• Выравнивание
• Перенос
• Соглашения относительного письменного языка и направления текста
• Форматирование абзацев относительно окружающего

Эти вопросы обсуждаются ниже. Выравнивание абзаца и плавающие объекты обсуждаются далее в этом документе.

9.3.1 Абзацы: элемент P

<!ELEMENT P - O (%inline;)* -- абзац -->
<!ATTLIST P
 %attrs; -- %coreattrs, %i18n, %events --
 >

Начальный тег: обязателен, Конечный тег: необязателен

Элемент P представляет абзац. В нем не могут содержаться элементы уровня блока (включая и сам элемент P).

Мы призываем авторов не использовать пустой элемент P. Агенты пользователей должны игнорировать пустые элементы P.

9.3.2 Управление переходом на следующую строку

Переходом на следующую строку считается возврат каретки (
), перевод строки (&#x00OA;) или пара возврат каретки/перевод строки. Все переходы на другую строку являются непечатными символами.

Подробнее о переходе на другую строку в спецификации SGML см. в разделе замечаний о переходе на новую строку в приложении.

Принудительный переход на новую строку: элемент BR 

<!ELEMENT BR - O EMPTY -- принудительный переход на новую строку -->
<!ATTLIST BR
 %coreattrs; -- id, class, style, title --
 >

Начальный тег: обязателен, Конечный тег: запрещен

Элемент BR принудительно разбивает (заканчивает) текущую строку текста.

Для визуальных агентов пользователей можно использовать атрибут clear для определения того, обтекает ли следующая за элементом BR разметка изображения и другие объекты, плавающие относительно левого или правого поля или начинается ниже объекта. Дальнейшая информация приведена в разделе о выравнивании и плавающих объектах. Авторам рекомендуется использовать таблицы стилей для управления обтеканием текстом изображений и других объектов.

С использованием двунаправленного форматирования, элемент BR должен действовать так же, как действует символ РАЗДЕЛИТЕЛЬ СТРОКИ [ISO10646] в двунаправленном алгоритме.

Запрет перехода на новую строку 

Иногда авторам нужно избежать перехода на новую строку между двумя определенными словами. Комбинация символов   (  или  ) действует как неразрывный пробел.

9.3.3Переносы

В HTML имеется два типа переносов: простой и мягкий перенос. Простой перенос должен интерпретироваться агентами пользователя просто как любой другой символ. Мягкий перенос показывает агенту пользователя, где можно сделать переход на новую строку.

Браузеры, которые интерпретируют мягкие переносы, должны обеспечивать следующую семантику: если строка прекращается в месте мягкого переноса, в конце первой строки должен отображаться символ переноса. Если строка не прерывается в месте мягкого переноса, символ переноса отображаться не должен. При выполнении таких операций как поиск и сортировка мягкие переносы всегда должны игнорироваться.

В языке HTML простой перенос представляется символом "-" (- или -). Мягкий перенос представляется комбинацией символов ­ (­ или ­)

9.3.4 Форматированный текст: Элемент PRE

<!ENTITY % pre.exclusion "IMG|OBJECT|BIG|SMALL|SUB|SUP">
<!ELEMENT PRE - - (%inline;)* -(%pre.exclusion;) - форматированный текст -->
<!ATTLIST PRE
 %attrs; -- %coreattrs, %i18n, %events --
 >

Начальный тег: обязателен, Конечный тег: обязателен

Элемент PRE сообщает визуальным агентам пользователей, что содержащийся в нем текст "отформатирован". При обработке форматированного текста визуальные агенты пользователей:

• Могут оставлять непечатные символы так, как они указаны.
• Могут использовать для отображения текста шрифт с символами одинаковой ширины.
• Могут отключать автоматическое продолжение слов.
• Не должны отключать обработку двунаправленности.

Невизуальные агенты пользователей не обязаны учитывать дополнительные непечатные символы в содержимом элемента PRE.

Подробнее о переходе на новую строку в спецификации SGML см. в разделе замечаний о переходе на новую строку в приложении.

В приведенном выше фрагменте DTD указывается, какие элементы не могут находиться в объявлении PRE. То же самое выполняется в HTML 3.2; это предназначено для сохранения постоянного межстрочного интервала и выравнивания столбцов для текста, генерируемого с использованием шрифта с символами равной ширины. Авторам не рекомендуется изменять такую обработку с помощью таблиц стилей.

<PRE>
 Higher still and higher
 From the earth thou springest
 Like a cloud of fire;
 The blue deep thou wingest,
And singing still dost soar, and soaring ever singest.
</PRE>

 Higher still and higher
 From the earth thou springest
 Like a cloud of fire;
 The blue deep thou wingest,
And singing still dost soar, and soaring ever singest.

9.3.5 Визуальное отображение абзацев

Визуальное генерирование абзацев зависит от агента пользователя. Обычно абзацы генерируются с выравниванием влево и неровным правым полем. Для направления текста справа налево используются другие значения по умолчанию.

Агенты пользователей HTML традиционно генерируют абзацы с непечатным символом перед абзацем и после него, например,

 Одновременно начали формироваться система нумерации,
 календарь, иероглифическое письмо и технически развитое
 искусство, все, что позже повлияло на других людей.
 В рамках этого развития или культурного прогресса
 Предклассическая эпоха подразделяется на Ранний,
 Средний и Поздний периоды, к которым можно добавить 
 переходный или протоклассический период, некоторые черты
 которого будут потом присущи цивилизациям Америки.

Это отличается от стиля, используемого в романах, где первая строка каждого абзаца смещена, а интервал между последней строкой текущего абзаца и первой строкой следующего не отличается от межстрочных интервалов внутри абзаца, например,

 Одновременно начали формироваться система нумерации,
 календарь, иероглифическое письмо и технически развитое
 искусство, все, что позже повлияло на других людей.
 В рамках этого развития или культурного прогресса
 Предклассическая эпоха подразделяется на Ранний,
 Средний и Поздний периоды, к которым можно добавить
 переходный или протоклассический период, некоторые черты
 которого будут потом присущи цивилизациям Америки.
 

Следуя установкам браузера NCSA Mosaic, созданного в 1993 году, агенты пользователей обычно не выравнивают оба поля, частично из-за сложности этого процесса при отсутствии специальных процедур расстановки переносов. Использование таблиц стилей и шрифтов без псевдонимов с субпиксельным позиционированием обещает авторам текстов на языке HTML более широкие возможности.

Таблицы стилей предоставляют широкие возможности управления размером и стилем шрифтов, полями, расстояниями перед и после абзацев, отступом первой строки, выравниванием и многими другими аспектами. Таблица стилей агента пользователя, используемая по умолчанию, генерирует элементы P как показано выше. В принципе, можно переопределить такую генерацию абзацев, без использования символов перехода на следующую строку, которые существенно изменяют абзац. Вообще же, поскольку это может запутать читателей, так делать не рекомендуется.

По соглашению визуальные агенты HTML разбивают текстовые строки так, чтобы они входили в пределы используемых полей. Алгоритмы разбиения зависят от сценария форматирования.

В западных сценариях, например, текст должен разбиваться только в позиции, где стоит неотображаемый символ. Ранние версии агентов пользователей некорректно разбивали строки сразу же после начального тега или перед конечным тегом элемента, что приводило к нарушению пунктуации. Например, рассмотрите предложение:

 Статуя <a href="cih78">Свободы</a>, которая является ...

 Статуя Свободы
 , которая является ...

9.4 Разметка изменений в документе: Элементы INS и DEL

<!-- INS/DEL are handled by inclusion on BODY -->
<!ELEMENT (INS|DEL) - - (%flow;)* -- вставленный текст, удаленный текст -->
<!ATTLIST (INS|DEL)
 %attrs; -- %coreattrs, %i18n, %events --
 cite %URI; #IMPLIED -- информация о причине изменения --
 datetime %Datetime; #IMPLIED -- дата и время изменения --
 >

Начальный тег: обязателен, Конечный тег: обязателен

Элементы INS и DEL используются для разметки вставленных или удаленных разделов документа по отношению к другой версии документа (например, в черновике законопроекта, куда юристы должны вносить поправки).

Эти два элемента необычны для HTML, поскольку они могут служить элементами уровня блока или встроенными элементами (но не теми и другими). Они могут содержать одно или несколько слов в абзаце или один или несколько элементов уровня блока - абзацев, списков и таблиц.

<P>
 У шерифа может быть <DEL>3</DEL><INS>5</INS> депутатов.
</P>

Элементы INS и DEL не должны включать содержимое уровня блока, если они являются встроенными элементами.

<P>
<INS><DIV>...содержимое уровня блока...</DIV></INS>
</P>

Агенты пользователей должны генерировать вставленный и удаленный текст так, чтобы изменения были очевидны. Например, вставленный текст может отображаться специальным шрифтом, удаленный текст может вообще не отображаться, отображаться перечеркнутым или со специальными пометками и т.д.

 1994-11-05T13:15:30Z
 1994-11-05T08:15:30-05:00

<INS datetime="1994-11-05T08:15:30-05:00"
 cite="http://www.foo.org/mydoc/comments.shtml">
Более того, последние цифры из отдела маркетинга говорят о том, что это полезная практика.
</INS>

Авторы также могут оставлять комментарии о вставленном или удаленном тексте для элементов INS и DELс помощью атрибута title. Агенты пользователей могут представлять эту информацию пользователю (например, в виде всплывающего сообщения). Например:

<INS datetime="1994-11-05T08:15:30-05:00"
 title="Изменено в результате комментариев Михаила А. о встрече.">
Более того, последние цифры из отдела маркетинга говорят о том, что это полезная практика.
</INS>