Was ist HTML? Geschichte, Parsing und das DOM

Fast alles, was Sie im Web sehen, auch diese Seite, ist in HTML geschrieben. HTML (HyperText Markup Language) ist keine Programmiersprache, sondern eine Auszeichnungssprache, die den Aufbau eines Dokuments beschreibt: Das ist eine Überschrift, das ein Absatz, das ein Link, das eine Tabelle. Und HTML gibt es nicht nur auf Websites. Es steckt in E-Mail-Vorlagen, Hilfedokumentation, exportierten Berichten und Dokumenten, die „als Webseite gespeichert“ wurden. Dieser Artikel behandelt die Geschichte von HTML, wie ein Browser es liest und auf den Bildschirm bringt, typische Probleme und worauf Sie beim Umwandeln von HTML-Dateien in Word oder PDF achten sollten.

Was ist HTML?

HTML ist eine Sprache aus reinem Text, die Inhalte mit Tags auszeichnet. Tags stehen in spitzen Klammern, und die meisten bilden mit einem öffnenden und einem schließenden Tag ein Element:

<!DOCTYPE html>
<html lang="de">
  <head>
    <meta charset="utf-8">
    <title>Beispielseite</title>
  </head>
  <body>
    <h1>Hallo</h1>
    <p>Dieser Absatz enthält einen <a href="https://example.com">Link</a>.</p>
  </body>
</html>

Der Abschnitt <head> enthält Informationen über die Seite (Zeichenkodierung, Titel, Stylesheets), während <body> den sichtbaren Inhalt aufnimmt. Das Aussehen kommt über CSS dazu, das Verhalten über JavaScript. In dieser Aufteilung beschreibt HTML, was der Inhalt ist, CSS, wie er aussieht, und JavaScript, was er tut.

Eine kurze Geschichte

HTML entstand als Teil des World-Wide-Web-Projekts, das Tim Berners-Lee 1989 am CERN vorschlug. Sein erster Browser lief 1990 auf einem NeXT-Rechner. Die frühesten Versionen der Sprache waren weniger eine formale Norm als eine am CERN dokumentierte Liste von Tags. Die wichtigsten Meilensteine seitdem:

• November 1995, HTML 2.0: RFC 1866 von Tim Berners-Lee und Dan Connolly definierte HTML erstmals als formale Norm.
• Januar 1997, HTML 3.2: die Version, die das W3C formell als branchenübergreifende Spezifikation empfahl.
• 24. Dezember 1999, HTML 4.01: blieb jahrelang die zentrale Spezifikation des Webs; das W3C erklärte sie am 27. März 2018 formell für abgelöst.
• 28. Oktober 2014, HTML5: Das W3C veröffentlichte HTML5 als Empfehlung (Recommendation). Video, Audio, semantische Gliederungselemente und ein genau definierter Parsing-Algorithmus wurden damit genormt.
• 28. Mai 2019, eine einzige Norm: Das W3C und die WHATWG, die von Browserherstellern gegründete Gemeinschaft, unterzeichneten eine Absichtserklärung. Danach werden HTML und das DOM hauptsächlich bei der WHATWG als versionsloser „Living Standard“ weiterentwickelt.

„HTML5“ bedeutet heute also praktisch „aktuelles HTML“; die offizielle Spezifikation ist der laufend aktualisierte HTML Living Standard.

Wie verbreitet ist es? Laut W3Techs-Statistik vom 15. Oktober 2026 verwenden 97,8 % der Websites mit bekannter Auszeichnungssprache HTML. Dieselbe Quelle meldet, dass 99,1 % der Websites mit bekannter Zeichenkodierung UTF-8 nutzen.

Wie verarbeitet ein Browser HTML?

Was HTML von anderen Dokumentformaten unterscheidet: Selbst schlecht geschriebene Dokumente werden in jedem Browser gleich interpretiert. Der HTML Living Standard legt dafür ein detailliertes Parsing-Modell fest:

1. Kodierung bestimmen: Der Browser muss die eingehenden Bytes zuerst in Zeichen umwandeln. Er prüft der Reihe nach eine BOM, die im HTTP-Header des Servers angegebene Kodierung und eine Deklaration <meta charset> in den ersten 1024 Bytes des Dokuments; findet er nichts davon, schätzt er begründet.
2. Tokenisierung: Ein Zustandsautomat zerlegt den Text in Tokens wie Start-Tags, End-Tags, Kommentare, DOCTYPEs und Zeichen.
3. Baumaufbau: Die Tokens werden nach Einfügemodi wie „in body“ oder „in table“ verarbeitet. Der Parser führt einen Stapel offener Elemente und repariert falsch verschachtelte Tags nach festgelegten Regeln.
4. Das DOM: Das Ergebnis ist ein Objektbaum namens Document Object Model (DOM). Auf diesen Baum wird CSS angewendet, und JavaScript liest und verändert ihn.

Die Spezifikation stellt ausdrücklich klar, dass die Fehlerbehandlung bei Parse-Fehlern genau definiert ist. Schreiben Sie zum Beispiel <div/>, ignoriert HTML den Schrägstrich am Ende, sodass die folgenden Elemente in diesem div landen. Ein nicht geschlossenes <p> wird automatisch geschlossen, sobald das nächste Blockelement folgt. Diese Toleranz hält das Web trotz unzähliger unvollkommener Seiten am Laufen, bedeutet aber auch, dass jedes Werkzeug, das HTML in ein Dokumentformat umwandelt, denselben Regeln folgen muss.

Wo wird HTML eingesetzt?

• Websites und Web-Apps: das Gerüst jeder Webseite.
• E-Mail: Formatierte E-Mails und Newsletter werden in HTML geschrieben.
• Dokumentation: Hilfeseiten, Softwaredokumentation und aus Markdown erzeugte Websites.
• E-Books: Das EPUB-Format verpackt Inhalte als XHTML-Dokumente.
• Berichte und Exporte: Viele Anwendungen erzeugen Berichte als HTML, und auch die Ausgabe von Words „Als Webseite speichern“ ist HTML.

Stärken und Schwächen

Welche Programme öffnen HTML?

Jeder Browser, darunter Chrome, Firefox, Safari und Edge, zeigt HTML an. Zum Bearbeiten des Quelltexts genügt ein Code-Editor wie Visual Studio Code oder ein beliebiger Texteditor. Microsoft Word und LibreOffice Writer können HTML-Dateien öffnen und als Dokument bearbeiten, komplexe CSS-Layouts werden dort aber vereinfacht.

Typische Probleme und Lösungen

Sonderzeichen sehen verstümmelt aus

Die Kodierung der Seite fehlt oder ist falsch. Fügen Sie <meta charset="utf-8"> weit oben im <head> ein und achten Sie darauf, dass die Datei tatsächlich als UTF-8 gespeichert ist. Gibt der Server eine andere Kodierung an, korrigieren Sie auch den HTTP-Header.

Eine gespeicherte Seite hat keine Bilder oder Styles

HTML-Dateien laden Bilder und CSS oft aus separaten Dateien oder von Adressen im Internet. Verschieben Sie nur die .html-Datei, gehen diese Verweise kaputt. Nutzen Sie die Speicheroption „Webseite, komplett“ Ihres Browsers oder betten Sie die Bilder ins Dokument ein.

Die Seite zerfällt beim Drucken

Für Bildschirme entworfene Layouts passen eventuell nicht aufs Papier. Regeln mit @media print sowie Papierformat und Ränder über @page in CSS verbessern den Ausdruck deutlich.

Tipps zum Umwandeln von HTML-Dateien

Bei unserem Konverter werden HTML-Dateien auf unseren Server hochgeladen und innerhalb von 30 Minuten gelöscht. Beim Einlesen wird die Kodierung zuerst anhand der BOM, dann anhand der Deklaration <meta charset> und schließlich am Inhalt selbst erkannt; ältere Seiten, die nicht UTF-8 sind, werden als Windows-1254 gelesen (die alte türkische Codepage, in der deutsche Umlaute an denselben Stellen liegen wie in Windows-1252). Der <body>-Inhalt des Dokuments und der <style>-Block der Seite bleiben erhalten, und HTML-Fragmente ohne <body>-Tag werden so verarbeitet, wie sie sind.

• HTML in PDF läuft in einer Browser-Engine: Druck-CSS wird angewendet, ein mit @page definiertes Seitenformat wird berücksichtigt (sonst A4), und Hintergrundfarben werden mitgedruckt. Aus Sicherheitsgründen wird kein JavaScript ausgeführt, und Bilder, Schriften oder Stylesheets aus dem Internet werden nicht heruntergeladen; verwendet werden nur im Dokument eingebettete Ressourcen (data:-URIs). Wenn Bilder in der Ausgabe erscheinen sollen, betten Sie sie ins HTML ein.
• HTML in Word überträgt mit LibreOffice Überschriften, Listen, Tabellen, Ausrichtung und eingebettete Bilder in DOCX. Komplexe CSS-Layouts (Flex, Grid) haben in Word keine Entsprechung und werden vereinfacht.
• HTML in Markdown eignet sich ideal, um eine Webseite oder einen Hilfeartikel in ein Dokumentations-Repository zu übernehmen: Überschriften, Hervorhebungen, Listen, Tabellen, Links und Codeblöcke bleiben erhalten, Stilangaben entfallen.
• In die andere Richtung bettet Word in HTML die Bilder in die Datei ein und erzeugt ein einzelnes, eigenständiges HTML-Dokument mit deklarierter Zeichenkodierung, sodass Umlaute und Sonderzeichen im Browser korrekt erscheinen.

Häufig gestellte Fragen

Ist HTML eine Programmiersprache?

Nein. HTML ist eine Auszeichnungssprache: Sie beschreibt den Aufbau von Inhalten, kennt aber keine Schleifen, Bedingungen oder Berechnungen. Für Verhalten auf einer Seite wird JavaScript verwendet.

Was ist der Unterschied zwischen HTML5 und HTML?

HTML5 ist der Name der Hauptversion, die 2014 W3C-Empfehlung wurde. Seit 2019 wird HTML bei der WHATWG ohne Versionsnummern als „HTML Living Standard“ weiterentwickelt. In der Praxis meinen HTML5 und HTML heute dasselbe.

Wie öffne ich eine HTML-Datei?

Doppelklicken Sie darauf, dann öffnet sie sich in Ihrem Standardbrowser. Um den Quelltext zu sehen, öffnen Sie die Datei in einem Texteditor oder nutzen Sie die Browseroption „Seitenquelltext anzeigen“.

Warum fehlen Bilder, wenn ich HTML in PDF umwandle?

Werden Bilder von einer Internetadresse geladen, lädt unser Konverter sie aus Sicherheitsgründen nicht herunter. Betten Sie die Bilder als data:-URIs ins HTML ein, oder wandeln Sie das Dokument zuerst in Word um und fügen Sie die Bilder dort ein.

Ist es sicher, eine HTML-Datei zu öffnen?

HTML kann JavaScript enthalten, seien Sie also bei Dateien aus unbekannten Quellen vorsichtig. HTML-Seiten, die als E-Mail-Anhang kommen und nach einem Passwort fragen, sind eine verbreitete Phishing-Masche.

Quellen

• WHATWG: HTML Living Standard, Parsing HTML documents
• Absichtserklärung von W3C und WHATWG (28. Mai 2019)
• W3C-Pressemitteilung: HTML5 Recommendation (28. Oktober 2014)
• W3C: HTML 4.01 Specification
• IETF RFC 1866: Hypertext Markup Language - 2.0
• Dave Raggett: A history of HTML
• W3Techs: Usage statistics of markup languages for websites