¿Qué es HTML? Historia, análisis y el DOM

Casi todo lo que ves en la web, incluida esta página, está escrito en HTML. HTML (HyperText Markup Language) no es un lenguaje de programación, sino un lenguaje de marcado que describe la estructura de un documento: esto es un título, esto es un párrafo, esto es un enlace, esto es una tabla. Y HTML no sirve solo para sitios web. Aparece en plantillas de correo, documentación de ayuda, informes exportados y documentos «guardados como página web». En este artículo verás la historia de HTML, cómo lo lee un navegador y lo dibuja en pantalla, los problemas habituales y qué tener en cuenta al convertir archivos HTML a Word o PDF.

¿Qué es HTML?

HTML es un lenguaje de texto plano que marca el contenido con etiquetas. Las etiquetas se escriben entre corchetes angulares, y la mayoría forman un elemento con una etiqueta de apertura y otra de cierre:

<!DOCTYPE html>
<html lang="en">
  <head>
    <meta charset="utf-8">
    <title>Sample page</title>
  </head>
  <body>
    <h1>Hello</h1>
    <p>This paragraph contains a <a href="https://example.com">link</a>.</p>
  </body>
</html>

La sección <head> lleva información sobre la página (codificación de caracteres, título, hojas de estilo), mientras que <body> contiene el contenido visible. El aspecto se añade con CSS y el comportamiento con JavaScript. En ese reparto, HTML describe qué es el contenido, CSS cómo se ve y JavaScript qué hace.

Un poco de historia

HTML nació como parte del proyecto World Wide Web que Tim Berners-Lee propuso en el CERN en 1989. Su primer navegador funcionaba en un ordenador NeXT en 1990. Las primeras versiones del lenguaje eran menos una norma formal que una lista de etiquetas documentada en el CERN. Los hitos clave desde entonces:

• Noviembre de 1995, HTML 2.0: la RFC 1866, escrita por Tim Berners-Lee y Dan Connolly, definió HTML como norma formal por primera vez.
• Enero de 1997, HTML 3.2: la versión que el W3C respaldó formalmente como especificación común para todo el sector.
• 24 de diciembre de 1999, HTML 4.01: fue durante años la especificación central de la web; el W3C la marcó formalmente como sustituida el 27 de marzo de 2018.
• 28 de octubre de 2014, HTML5: el W3C publicó HTML5 como Recomendación. Con ella se normalizaron el vídeo, el audio, los elementos semánticos de sección y un algoritmo de análisis definido con precisión.
• 28 de mayo de 2019, una sola norma: el W3C y el WHATWG, la comunidad formada por los fabricantes de navegadores, firmaron un memorando de entendimiento. Según este, HTML y el DOM se desarrollan principalmente en el WHATWG como un «Living Standard» sin versiones.

Así que hoy «HTML5» significa en la práctica «el HTML actual»; la especificación oficial es el HTML Living Standard, que se actualiza continuamente.

¿Hasta qué punto está extendido? Según las estadísticas de W3Techs del 15 de octubre de 2026, el 97,8 % de los sitios web cuyo lenguaje de marcado se conoce usan HTML. La misma fuente indica que el 99,1 % de los sitios web cuya codificación de caracteres se conoce usan UTF-8.

¿Cómo procesa un navegador el HTML?

Lo que distingue a HTML de otros formatos de documento es que incluso los documentos mal escritos se interpretan igual en todos los navegadores. El HTML Living Standard define para ello un modelo de análisis detallado:

1. Determinar la codificación: el navegador primero tiene que convertir los bytes recibidos en caracteres. Comprueba, por este orden, si hay un BOM, la codificación declarada en la cabecera HTTP del servidor y una declaración <meta charset> en los primeros 1024 bytes del documento; si no encuentra ninguna, hace una suposición razonada.
2. Tokenización: una máquina de estados divide el texto en tokens como etiquetas de apertura, etiquetas de cierre, comentarios, DOCTYPE y caracteres.
3. Construcción del árbol: los tokens se procesan según modos de inserción como «in body» o «in table». El analizador mantiene una pila de elementos abiertos y repara las etiquetas mal anidadas según reglas definidas.
4. El DOM: el resultado es un árbol de objetos llamado Document Object Model (DOM). El CSS se aplica a ese árbol y JavaScript lo lee y lo modifica.

La especificación deja claro que el tratamiento de los errores de análisis está bien definido. Si escribes <div/>, por ejemplo, HTML ignora la barra final, así que los elementos siguientes acaban dentro de ese div. Un <p> sin cerrar se cierra automáticamente cuando llega el siguiente elemento de bloque. Esta tolerancia es lo que mantiene la web funcionando pese a innumerables páginas imperfectas, pero también significa que cualquier herramienta que convierta HTML en un formato de documento tiene que seguir las mismas reglas.

¿Dónde se usa HTML?

• Sitios y aplicaciones web: el esqueleto de toda página web.
• Correo electrónico: los correos con formato y los boletines se escriben en HTML.
• Documentación: páginas de ayuda, documentación de software y sitios generados a partir de Markdown.
• Libros electrónicos: el formato EPUB empaqueta el contenido como documentos XHTML.
• Informes y exportaciones: muchas aplicaciones generan informes en HTML, y la salida de «Guardar como página web» de Word también es HTML.

Ventajas y desventajas

¿Qué programas abren HTML?

Todos los navegadores, incluidos Chrome, Firefox, Safari y Edge, muestran HTML. Para editar el código fuente basta con un editor de código como Visual Studio Code o cualquier editor de texto. Microsoft Word y LibreOffice Writer pueden abrir archivos HTML y editarlos como documentos, aunque allí las maquetaciones CSS complejas se simplifican.

Problemas habituales y cómo resolverlos

Los caracteres especiales se ven estropeados

Falta la codificación de la página o es incorrecta. Añade <meta charset="utf-8"> cerca del principio de <head> y asegúrate de que el archivo esté guardado realmente como UTF-8. Si el servidor declara otra codificación, corrige también la cabecera HTTP.

Una página guardada no tiene imágenes ni estilos

Los archivos HTML suelen cargar las imágenes y el CSS desde archivos separados o desde direcciones de internet. Si mueves solo el archivo .html, esos enlaces se rompen. Usa la opción de guardado «Página web completa» del navegador o incrusta las imágenes en el documento.

La página se descoloca al imprimirla

Las maquetaciones pensadas para pantalla pueden no caber en papel. Definir reglas @media print y fijar el tamaño de papel y los márgenes con @page en el CSS mejora mucho el resultado impreso.

Consejos para convertir archivos HTML

En nuestro conversor, los archivos HTML se suben a nuestro servidor y se eliminan en un plazo de 30 minutos. Al leer el archivo, la codificación se detecta a partir del BOM, después de la declaración <meta charset> y después del propio contenido; las páginas antiguas que no son UTF-8 se leen como Windows-1254. Se conservan el contenido de <body> y el bloque <style> de la página, y los fragmentos HTML sin etiqueta <body> se procesan tal cual.

• HTML a PDF funciona con un motor de navegador: se aplica el CSS de impresión, se respeta el tamaño de página definido con @page (A4 si no hay ninguno) y se imprimen los colores de fondo. Por seguridad, no se ejecuta JavaScript ni se descargan imágenes, fuentes u hojas de estilo de internet; solo se usan los recursos incrustados en el documento (URI data:). Si quieres imágenes en el resultado, incrústalas en el HTML.
• HTML a Word usa LibreOffice para trasladar a DOCX los títulos, las listas, las tablas, la alineación y las imágenes incrustadas. Las maquetaciones CSS complejas (flex, grid) no tienen equivalente en Word y se simplifican.
• HTML a Markdown es ideal para llevar una página web o un artículo de ayuda a un repositorio de documentación: se conservan los títulos, el énfasis, las listas, las tablas, los enlaces y los bloques de código, y se descarta la información de estilo.
• En sentido contrario, Word a HTML incrusta las imágenes dentro del archivo y genera un único documento HTML autónomo con la codificación de caracteres declarada, de modo que las letras con tilde se ven bien en el navegador.

Preguntas frecuentes

¿HTML es un lenguaje de programación?

No. HTML es un lenguaje de marcado: describe la estructura del contenido, pero no tiene bucles, condiciones ni cálculos. Para añadir comportamiento a una página se usa JavaScript.

¿Qué diferencia hay entre HTML5 y HTML?

HTML5 es el nombre de la versión principal que se convirtió en Recomendación del W3C en 2014. Desde 2019, HTML se desarrolla en el WHATWG sin números de versión como «HTML Living Standard». En la práctica, hoy HTML5 y HTML significan lo mismo.

¿Cómo abro un archivo HTML?

Haz doble clic y se abrirá en tu navegador predeterminado. Para ver el código fuente, abre el archivo en un editor de texto o usa la opción «Ver código fuente de la página» del navegador.

¿Por qué faltan las imágenes al convertir HTML a PDF?

Si las imágenes se cargan desde una dirección de internet, nuestro conversor no las descarga por motivos de seguridad. Incrusta las imágenes en el HTML como URI data: o convierte primero el documento a Word y añade allí las imágenes.

¿Es seguro abrir un archivo HTML?

HTML puede contener JavaScript, así que ten cuidado con los archivos de origen desconocido. Las páginas HTML que llegan como adjuntos de correo y piden una contraseña son una técnica de phishing habitual.

Fuentes

• WHATWG: HTML Living Standard, Parsing HTML documents
• Memorando de entendimiento entre el W3C y el WHATWG (28 de mayo de 2019)
• Nota de prensa del W3C: HTML5 Recommendation (28 de octubre de 2014)
• W3C: HTML 4.01 Specification
• IETF RFC 1866: Hypertext Markup Language - 2.0
• Dave Raggett: A history of HTML
• W3Techs: estadísticas de uso de lenguajes de marcado en sitios web