MIME Type 引出的两难困境

一切从一个糟糕的浏览器开始,它完全不支持 XHTML。

#### 什么是 MIME Type?

为什么这么说呢?首先,我们要了解浏览器是如何处理内容的。在浏览器中显示的内容有 HTML、有 XML、有 GIF、还有 Flash……那么,浏览器是如何区分它们,绝对什么内容用什么形式来显示呢?答案是 MIME Type,也就是该资源的媒体类型。

媒体类型通常是通过 HTTP 协议,由 Web 服务器告知浏览器的,更准确地说,是通过 `Content-Type` 来表示的,例如:

Content-Type: text/html

表示内容是 `text/html` 类型,也就是超文本文件。为什么是“`text/html`”而不是“`html/text`”或者别的什么?MIME Type 不是个人指定的,是经过 ietf 组织协商,以 RFC 的形式作为建议的标准发布在网上的,大多数的 Web 服务器和用户代理都会支持这个规范 (顺便说一句,Email 附件的类型也是通过 MIME Type 指定的)。

通常只有一些在互联网上获得广泛应用的格式才会获得一个 MIME Type,如果是某个客户端自己定义的格式,一般只能以 `application/x-` 开头。

XHTML 正是一个获得广泛应用的格式,因此,在 [RFC 3236](http://www.ietf.org/rfc/rfc3236.txt) 中,说明了 XHTML 格式文件的 MIME Type 应该是 `application/xhtml+xml`。

当然,处理本地的文件,在没有人告诉浏览器某个文件的 MIME Type 的情况下,浏览器也会做一些默认的处理,这可能和你在操作系统中给文件配置的 MIME Type 有关。比如在 Windows 下,打开注册表的“`HKEY_LOCAL_MACHINE\SOFTWARE\Classes\MIME\Database\Content Type`”主键,你可以看到所有 MIME Type 的配置信息。

#### 浏览器处理 XHTML 和 HTML 有什么区别?

HTML 的语法过于随意了,有许多简写,标记不匹配的复杂情况,同时长期 Web 发展下来积累下来了许多错误的用法——比如一个文档里完全没有 `` 标记——但浏览器还是得支持它,可想而知,为了支持这些“Tag Soup”——也就是我们所说的那些,乱成一锅粥的标签——浏览器要很费力地去猜测一段标记的意思,努力以用户期望的形式表达出来。一句话说,虽然 HTML 4.01 允许你用语义化、结构化的、内容与表现分离的方法来书写标记,但由于它沿袭了 HTML 这种格式,使得**浏览器对于凡是 MIME Type 为“`text/html`”的文件,都得采用一种非常费劲的方法去处理**,这对于 Web 的发展是很不利的。

再说除了浏览器,还有许多其他的用户代理要阅读 HTML:纯文本的浏览工具、读屏器等等。

**创造 XHTML,很大一部分原因正是要通过 XML 重新严格地规范一遍标记,让这些用户代理可以以一种更简便的方式来解析这些标记。**因此,XHTML 这种新的格式,天生就要求内容的发布者必须以严格的方式来标记自己的文档。

当然,XHTML 对于内容提供者也有好处,此处先不展开,详见下文。

#### MIME Type 与之又有什么关系?

把前两节的内容合起来,你显然可以发现:一个正常支持 XHTML 的浏览器会根据服务器提供的 MIME Type 是 `text/html` 还是 `application/xhtml+xml` 来区分获取到的内容是 HTML 还是 XHTML,对这两种格式,分别以两种不同的方式来解析文档,后者解析起来要严格得多,但对于用户代理开发者和内容提供者都有很大的好处。

那么,那些浏览器正常的支持了 XHTML 呢?答案是 Mozilla、基于 Mozilla 的浏览器如 Netscape 7 和 Firefox、较新版本的 Opera 和 Safari 等等。但不包括 Microsoft Internet Explorer。问题是,这一“不包括”,就除掉了大约 90% 的浏览器市场啊,在我们抓狂以前,先来看看 IE 是什么处理 `application/xhtml+xml` 的:IE 不认得这种 MIME Type,它要么提示你是否下载那个文件,要么就把文件内容当作纯文本显示出来,反正是不可能正常显示标记。

这正是造成我们不得不给 XHTML 文档标以 `text/html` 的原因 [1](#footnote-1),**实际上,目前 Web 上 95% 的 XHTML,都是扮成 HTML 的 XHTML (包括 w3.org),浏览器 (包括我们引以为傲的 Mozilla) 压根没有用 XML 解析器去解析那些 XHTML,而是沿用处理标签汤的老办法。**

这个时候你会问了,在我看起来,老办法显示得很好啊,干吗为此感到头疼呢?问题正是出在“看起来”这个词上,实际上,一些细微但是不可忽略的差别仍然存在。

#### 用 `application/xhtml+xml` 方式解析 XHTML 与用 `text/html` 方式解析的差别

下面所说的“HTML”,就是指 `text/html` 的解析方式;相应地“XHTML”就是指“`application/xhtml+xml`”的解析方式。

0. 这是最重要的,严格的 XML 解析至少要求文档是 well-formed 的,也就是标签要正确开闭,`&` 等 XML 实体要正确使用。
1. 在 HTML 中 `` 是用户所能看到的全部视域,给 `body` 设置背景色就是给整个文档设置了背景色,但在 XHTML 中并非如此,给 `` 设定背景色的效果和给 `` 设定的不同。
2. 在 HTML 中 CSS 规则中对元素的匹配是大小写不敏感的,BODY 和 body 匹配的是同一个元素,但在 XHTML 中却是大小写敏感的。
3. 在注释中隐藏的 JavaScript 脚本会被 XHTML 忽略。
4. `document.write()` 不能在 XHTML 中使用。
5. HTML DOM 和 XHTML DOM 的元素和属性返回值是不同的,HTML 中是大写,XHTML 中是小写。
6. 还有不少其他的 DOM 问题。

总结起来就是,我们正在广泛使用的其实是一种看起来已经 XHTML 化的 HTML,想象一下吧,**如果要求所有这些网站立即把 MIME Type 换成 `application/xhtml+xml`,即便用可以正常解析 XHTML 的浏览器来浏览,它们多数会死在前面列举的某一条原因下,无法正常显示。**然而这不好说是 XHTML 的错,正常的处理理应如此,只不过我们一直被纵容了。

可是 W3C 还是不断要求我们以正确的 MIME Type 来提供 XHTML,为什么呢?因为我们要用到 XHTML 提供的**好处**啊,只有被认为是 XHTML 或者 XML 文档的东西,浏览器才会启用这些“好处”,比如你可以试着在 IE 中打开 XHTML 中嵌入的 MathML 看看,没有效果,它被当作 HTML 一样显示。

现在的问题是,既然把文档设定为真正的 XHTML 是如此的麻烦,会带来如此多的问题,干吗不舒舒服服地呆在 HTML 上呢?为什么要往 XHTML 过渡?XHTML 提供的“好处”值得我们为此付出如此多的代价吗?

#### XHTML 的优势

最重要的两点是:

1. 除了前面讨论的用户代理易于处理以外,实际上,大量的基于 XML 的工具,许多对 XML 有很好支持的编程语言,都能够方便地解析你的文档,从中提取出需要的信息。当然,也包括搜索引擎。
2. 你可以利用 XHTML 继承自 XML 的良好的扩展性,比如在 XHTML 中嵌入 RDF 数据,描述文档的语义信息;加入 MathML 标记,描述数学公式;加入 SVG 标记,使用可伸缩矢量图型。

显然,如果文档连 well-formed 都做不到,优点 1 对你是无效的,就算有效吧,就个人来说,其实也没有多少人对 XHTML 进行 XML 解析,因为能做到的,大概也就是从 `h1`、`h2` 这些标记中读出文档结构一类的功能,实在没什么大用处。

而第二点对大多数内容提供者来说,太远了,RDF 是什么东东?加入 RDF 信息有什么好处?没多少人知道或者有兴趣知道;MathML?这是可扩展性目前用得最多的地方,因为很多 MathML 阅读和编辑工具已经普及了,但如果你不是个成天在公式中打转的科学工作者,多半对此也没有兴趣;SVG 呢?倒是挺有意思,但目前显然没有获得广泛的应用,事实上,日后能否获得广泛的应用,还要看它能不能在与 Flash 的竞争中活下来:成为标准的东西被人抛弃也是常有的事。

总结起来,所有这些优点几乎都是一些空头支票,一些未来才能实现甚至未来都不知道能不能实现的东西,比如说你现在在开发一个 CMS 系统,如果现在都已经不能保证里面的内容 well-formed,有什么理由说以后,数据越来越多以后,反而会回头去把错误的标记一一改正?

**事实上,用不到这些空头支票,我们的生活几乎没有受到任何影响。**

那么,是否这就是说,XHTML 几乎就是一个鸡肋了 [2](#footnote-2)?

#### XHTML 啊 XHTML

行文至此,已经陷入了僵局,其实我本无意把 XHTML 说得那么差的,但问题是我每句说的都是实话呀,也没有忽略什么有必要提到的因素,但反复查考,总结起来还是那一句话:**XHTML 其实是一个带一点理想主义的,对普通用户来说,相比 HTML 4.01 并没有显见优势的格式。**[3](#footnote-3)

于是我们就陷入了两难困境:刨掉那些花言巧语,没有任何显见的优点吸引我们我们转向 XHTML,但如果我们永远躺在 HTML 4.01 舒服的被窝里,Web 岂不是永不前进了?

答案还是个问号。

#### 小结

本来,仅仅为了未来的锦绣图景,大家多数还是愿意转向 XHTML 的,这大概是个博弈论中微妙的平衡,用户、浏览器厂家、标准制定者三家玩的一个游戏,但 IE 打破了这个平衡:它不支持 `application/xhtml+xml`,于是用户只好都以 `text/html` 来发布 XHTML 页面。

如果把他们人格化:我觉得“用户”大概是个剃头挑子一头热的家伙,他们为自己的 XHTML 页面在一切浏览器上都如此美好而感到满意,却浑不知道背后其实还是 HTML,自己没沾着一点“X”的好处。

这时标准制定者——他一定是个理想主义者——也不满意,因为用户其实还是在以 HTML 的方式来写 XHTML 的,根本没准备好向 XHTML 进行转变的决心,标准制定者一心领着大家往 Web 美好的未来远航,却发现无论是用户还是浏览器厂商都在尽给他添乱。

浏览器厂商们——他们拥有最大的筹码,却始终冷眼旁观——此时却在开心地内斗,对此情况耸耸肩表示无能为力。

你可能会对此感到沮丧,但这的确是目前 Web 中的事实,承认也好不承认也好,确定一个目标,然后艰难而执著地前行,大概是我们这些标准推广者唯一能做的。

#### 注释

  1. 也并非完全没有办法,对于用 PHP 或者 ASP 这样创建的动态内容而言,通过检测 HTTP 头来进行内容协商是最好的办法:给 `Accept: ` 中包含了 `application/xhtml+xml` 的请求提供 `Content-type: application/xhtml+xml` 的数据,而给其他的请求提供 `text/html` 的数据。(在 456 Berea Street 的一篇文章详细解释了这种方法,实际上,打开 Mozilla/Firefox 的 `about:config` 页面,你可以找到相关的配置 `network.http.accept.default` 来验证一下 Mozilla 是否发送了正确的 HTTP 头。),这几乎是一种完美的方法了 (实际上静态内容大概可以通过 Web 服务器的内容协商功能实现这种提供方式),但考虑到本文主要的目的是探讨是否应该用 XHTML,所以不在正文中详细讨论。
  2. 仍旧是指对普通用户而言,事实上必须承认,XHTML 的出现对于整个 Web 本身的长远发展绝对有好处。
  3. 其实话不该说得那么绝,应该说 XHTML 的出现是绝对有必要的,但其带来的好处绝大部分是对 Web 本身的,长远的,现在难以看出的好处,对用户或者开发者的好处微乎其微。

#### 参考文献

1. Ian Hickson, [Sending XHTML as text/html Considered Harmful](http://hixie.ch/advocacy/xhtml)
2. Gez Lemon, [It’s all in the MIME](http://juicystudio.com/all-in-the-mime.asp)
3. Gez Lemon, [Specifying a MIME Type](http://juicystudio.com/tutorial/xhtml/mime.asp)
4. Roger Johansson, [Developing With Web Standards, Recommendations and best practices, Part 5: XHTML](http://www.456bereastreet.com/lab/developing_with_web_standards/full/)
5. Network Working Group, [The ‘application/xhtml+xml’ Media Type](http://www.ietf.org/rfc/rfc3236.txt)
6. Tommy Olsson, [Content Negotiation](http://www.autisticcuckoo.net/archive.php?id=2004/11/03/content-negotiation)
7. W3C, [XHTML Media Types](http://www.w3.org/TR/2002/NOTE-xhtml-media-types-20020801/xhtml-media-types.html#text-html)

Author: Jiang Jiang

A software engineer from China, working on some OS for a fruit company. Interested in typography and science fiction.

9 thoughts on “MIME Type 引出的两难困境”

  1. 我早就关注这个问题,你的论述是我有了进一步的分析。

    对于使用了XHTML而导致document.write不工作的原因,我翻译了Ian Hickson的一篇文章:为什么document.write在XML中不工作 http://neoone.51.net/tech/dw_not_work.php

    有一些用户需要在XHTML中用到Google AdSense,也就是需要使用document.write,这里是一个基于PHP的解决方案:使Google广告AdSense在XHTML中工作 http://neoone.51.net/tech/adsense.php

    为不同的浏览器使用不同的MIME Type:使用正确的MIME类型伺服XHTML http://neoone.51.net/tech/mime_type.php

  2. 很有启发。
    我对以下问题非常困惑,能否解释firefox不支持 在XHTML中的如下方式:

  3. Internet Explorer 6+ supports two rendering modes, called Quirks mode and Standards mode. When Internet Explorer renders a page that contains a valid XHTML (or HTML 4.0) DOCTYPE, it renders the page in Standards mode; otherwise, it renders the page in Quirks mode (for details, see CSS Enhancements in Internet Explorer 6).

    The Opera browser (Opera 7+) supports the same two rendering modes (Quirks and Standards) as Internet Explorer (for details, see http://www.opera.com/docs/specs/doctype/).

    Mozilla Firefox 1+ supports three rendering modes: Quirks mode, Almost Standards mode, and Standards mode. Firefox’s Almost Standards mode corresponds to Internet Explorer’s and Opera’s Standards mode. When a page contains a valid XHTML 1.0 Transitional DOCTYPE (and it is served with a text/html MIME type), Firefox renders the page in Almost Standards mode. When a page contains either an XHTML 1.0 Strict or XHTML 1.1 DOCTYPE (or the page is served with an XML MIME type), the page is rendered in Standards mode (for details, see http://www.mozilla.org/docs/web-developer/quirks/doctypes.html).

    You can determine a browser’s current rendering mode by temporarily adding the following client-side script to a page (this script works in the latest versions of Internet Explorer, Firefox, and Opera).

    <script type="text/javascript">
        alert( document.compatMode );
    </script>
    

    You need to care about the browser rendering mode, because it affects the way in which Cascading Style Sheets are applied to the page. If you convert your existing HTML pages into XHTML pages, they might look very different when you open them in your browser.

    For example, Internet Explorer calculates the size of page elements in different ways, depending on the rendering mode (it uses a different CSS Box Model). In Quirks mode, the width of an element is calculated by summing the width of the element’s content, padding, borders, and margins. In Standards mode, the width of an element is calculated by taking into account only the width of the element’s content.

    For example, consider the following two tags.

    <div style="width:400px;border:solid 1px black">
    First Box
    </div>
    
    <div style="width:400px;border:solid 1px black;padding:10px">
    Second Box
    </div>
    

    The two elements are the same, except for the second element’s additional padding. In Quirks mode (see Figure 2), the two elements appear to be the same size, because the additional padding of the second element is taken into account when calculating its width (the total width of both elements is 400px). In Standards mode (see Figure 3), the second element appears wider than the first element, because padding is not taken into account when calculating the width of an element (the total width of both elements is wider than 400px).

    Figure 2. Quirks mode

    Figure 3. Standards mode

    This is only one example of browser differences in Quirks mode. In Quirks mode, each browser implements the W3C Cascading Style Sheet standards in significantly different ways. The beautiful thing about switching to Standards mode is that it forces almost all modern browsers to interpret the W3C standards in a very similar way (not exactly the same, but much better).

    If you want your Web pages to appear in the same way across browsers, then it is a good idea to trigger Standards mode (in Internet Explorer and Opera) and Almost Standards mode (in Firefox), by including an XHTML 1.0 Transitional DOCTYPE.

Leave a Reply

Your email address will not be published. Required fields are marked *