HTML

HTML的处理内容已经是Web内容的“可呈现”形式.这很好,节省了处理时间,而且这是一个容易解析的语言.有几十种图书馆几乎用任何语言处理HTML内容,转换为HTML格式或从HTML转换为其他格式等.主要的缺点是,由于早期Web日期的标准松散,HTML可能变得非常可变,您可以在接受用户的HTML时,总是依赖于理智的输入.正如所指出的那样,整理或粗化HTML通常是非常困难的,特别是因为它无法遵循XML所做的正常标记规则(即不正确关闭的标签是常见的).

纯文本标记

经常使用此类别的原因如下：

>易于从一个来源解析成多种形式 – PDF,HTML,RTF@H_301_5@>内容存储在可读纯文本(通常比原始HTML更容易阅读),如果需要在稍后的日期,而不是需要从HTML中提取@H_301_5@>遵循特定的规则,其中HTML可能会使可变和非结构化变得烦人@H_301_5@>允许您强制一些内容格式的子集在许多情况下比仅允许完整的HTML更合适@H_301_5@>除了强制HTML的一个子集外,还可以方便地对输入进行清理并防止跨站点脚本问题.@H_301_5@>以“抽象”格式保存“原始”数据意味着在稍后的日期,如果您希望将您的站点从HTML 4转换为XHTML,则只需要更改解析代码即可.使用HTML格式的用户输入,您现在不得不将所有HTML单独转换为XHTML,而HTML Tidy显示的并不总是简单的任务.类似地,如果某个时候出现了新的标记语言,或者您需要移动到另一种格式(RTF,PDF,TeX),文本格式化选项的抽象受限子集使得这样做简单得多.

底线是用户输入的用途.如果您打算保留数据,并且可能需要随机播放格式等,那么使用仔细的抽象格式来存储信息是有意义的.如果您需要手工处理原始数据,则无论何种原因,如果该格式易于人工阅读,则会获得积分.如果您仅在网页中显示内容(或报告的HTML文档等),并且您不用担心转换它或将来进行打样,那么将其存储在HTML中是合理的做法.