Cos'è l'HTML? Storia, parsing e DOM

Quasi tutto ciò che vedi sul web, compresa questa pagina, è scritto in HTML. L'HTML (HyperText Markup Language) non è un linguaggio di programmazione ma un linguaggio di markup che descrive la struttura di un documento: questo è un titolo, questo è un paragrafo, questo è un collegamento, questa è una tabella. E l'HTML non serve solo ai siti web: compare nei modelli di email, nella documentazione di aiuto, nei report esportati e nei documenti "salvati come pagina web". In questo articolo ripercorriamo la storia dell'HTML, vediamo come un browser lo legge e lo disegna sullo schermo, i problemi più comuni e cosa tenere presente quando si convertono file HTML in Word o PDF.

Cos'è l'HTML?

L'HTML è un linguaggio in testo semplice che contrassegna i contenuti con dei tag. I tag si scrivono tra parentesi angolari e la maggior parte forma un elemento con un tag di apertura e uno di chiusura:

<!DOCTYPE html>
<html lang="it">
  <head>
    <meta charset="utf-8">
    <title>Pagina di esempio</title>
  </head>
  <body>
    <h1>Ciao</h1>
    <p>Questo paragrafo contiene un <a href="https://example.com">collegamento</a>.</p>
  </body>
</html>

La sezione <head> contiene informazioni sulla pagina (codifica dei caratteri, titolo, fogli di stile), mentre <body> contiene il contenuto visibile. L'aspetto si aggiunge con il CSS e il comportamento con JavaScript. In questa divisione, l'HTML descrive che cosa è il contenuto, il CSS come appare e JavaScript che cosa fa.

Breve storia

L'HTML è nato come parte del progetto World Wide Web che Tim Berners-Lee propose al CERN nel 1989. Il suo primo browser girava su un computer NeXT nel 1990. Le prime versioni del linguaggio erano più un elenco di tag documentati al CERN che uno standard formale. Le tappe principali da allora:

• Novembre 1995, HTML 2.0: la RFC 1866, scritta da Tim Berners-Lee e Dan Connolly, definì per la prima volta l'HTML come standard formale.
• Gennaio 1997, HTML 3.2: la versione che il W3C approvò formalmente come specifica condivisa dal settore.
• 24 dicembre 1999, HTML 4.01: è rimasta per anni la specifica di riferimento del web; il W3C l'ha dichiarata formalmente superata il 27 marzo 2018.
• 28 ottobre 2014, HTML5: il W3C pubblicò l'HTML5 come Raccomandazione. Con esso furono standardizzati video, audio, elementi semantici di sezione e un algoritmo di parsing definito con precisione.
• 28 maggio 2019, un unico standard: il W3C e il WHATWG, la comunità formata dai produttori di browser, firmarono un protocollo d'intesa. In base a esso, HTML e DOM vengono sviluppati principalmente dal WHATWG come "Living Standard" senza numeri di versione.

Oggi quindi "HTML5" significa di fatto "HTML attuale"; la specifica ufficiale è l'HTML Living Standard, aggiornato di continuo.

Quanto è diffuso? Secondo le statistiche W3Techs del 15 ottobre 2026, il 97,8% dei siti web di cui è noto il linguaggio di markup usa l'HTML. La stessa fonte riporta che il 99,1% dei siti web di cui è nota la codifica dei caratteri usa UTF-8.

Come elabora l'HTML un browser?

Ciò che distingue l'HTML dagli altri formati di documento è che anche i documenti scritti male vengono interpretati allo stesso modo in tutti i browser. L'HTML Living Standard definisce a questo scopo un modello di parsing dettagliato:

1. Determinazione della codifica: per prima cosa il browser deve trasformare i byte in arrivo in caratteri. Controlla, in quest'ordine, la presenza di un BOM, la codifica dichiarata nell'intestazione HTTP del server e una dichiarazione <meta charset> nei primi 1024 byte del documento; se non trova nulla, fa un'ipotesi ragionata.
2. Tokenizzazione: una macchina a stati divide il testo in token come tag di apertura, tag di chiusura, commenti, DOCTYPE e caratteri.
3. Costruzione dell'albero: i token vengono elaborati secondo modalità di inserimento come "in body" o "in table". Il parser mantiene una pila di elementi aperti e corregge i tag annidati male secondo regole precise.
4. Il DOM: il risultato è un albero di oggetti chiamato Document Object Model (DOM). Il CSS viene applicato a questo albero e JavaScript lo legge e lo modifica.

La specifica afferma esplicitamente che la gestione degli errori di parsing è ben definita. Se scrivi <div/>, per esempio, l'HTML ignora la barra finale e gli elementi successivi finiscono dentro quel div. Un <p> non chiuso viene chiuso automaticamente all'arrivo del successivo elemento di blocco. Questa tolleranza è ciò che fa funzionare il web nonostante innumerevoli pagine imperfette, ma significa anche che ogni strumento che converte l'HTML in un formato di documento deve seguire le stesse regole.

Dove si usa l'HTML?

• Siti e applicazioni web: lo scheletro di ogni pagina web.
• Email: le email formattate e le newsletter sono scritte in HTML.
• Documentazione: pagine di aiuto, documentazione software e siti generati da Markdown.
• E-book: il formato EPUB impacchetta i contenuti come documenti XHTML.
• Report ed esportazioni: molte applicazioni producono report in HTML, e anche l'output "Salva come pagina web" di Word è HTML.

Punti di forza e punti deboli

Quali programmi aprono l'HTML?

Tutti i browser, tra cui Chrome, Firefox, Safari ed Edge, visualizzano l'HTML. Per modificare il codice sorgente basta un editor di codice come Visual Studio Code o un qualsiasi editor di testo. Microsoft Word e LibreOffice Writer possono aprire i file HTML e modificarli come documenti, anche se i layout CSS complessi vengono semplificati.

Problemi comuni e come risolverli

I caratteri speciali appaiono rovinati

La codifica della pagina manca o è sbagliata. Aggiungi <meta charset="utf-8"> all'inizio della sezione <head> e assicurati che il file sia davvero salvato in UTF-8. Se il server dichiara una codifica diversa, correggi anche l'intestazione HTTP.

In una pagina salvata mancano immagini e stili

I file HTML spesso caricano immagini e CSS da file separati o da indirizzi su internet. Se sposti solo il file .html, quei collegamenti si interrompono. Usa l'opzione del browser "Pagina web completa" oppure incorpora le immagini nel documento.

La pagina si rovina in stampa

I layout pensati per lo schermo potrebbero non adattarsi alla carta. Definire regole @media print e impostare formato della carta e margini con @page nel CSS migliora molto il risultato stampato.

Consigli per convertire i file HTML

Sul nostro convertitore i file HTML vengono caricati sul nostro server ed eliminati entro 30 minuti. In lettura, la codifica viene ricavata dal BOM, poi dalla dichiarazione <meta charset> e infine dal contenuto stesso; le vecchie pagine che non sono in UTF-8 vengono lette come Windows-1254. Il contenuto del <body> del documento e il blocco <style> della pagina vengono mantenuti, e i frammenti HTML senza tag <body> vengono elaborati così come sono.

• La conversione da HTML a PDF avviene in un motore di browser: viene applicato il CSS di stampa, viene rispettato il formato di pagina definito con @page (altrimenti A4) e i colori di sfondo vengono stampati. Per sicurezza, JavaScript non viene eseguito e immagini, caratteri o fogli di stile presenti su internet non vengono scaricati; si usano solo le risorse incorporate nel documento (data: URI). Se vuoi le immagini nel risultato, incorporale nell'HTML.
• La conversione da HTML a Word usa LibreOffice per portare in DOCX titoli, elenchi, tabelle, allineamenti e immagini incorporate. I layout CSS complessi (flex, grid) non hanno equivalente in Word e vengono semplificati.
• La conversione da HTML a Markdown è ideale per spostare una pagina web o un articolo di aiuto in un repository di documentazione: titoli, enfasi, elenchi, tabelle, collegamenti e blocchi di codice vengono mantenuti, mentre le informazioni di stile vengono eliminate.
• Nella direzione opposta, la conversione da Word a HTML incorpora le immagini nel file e produce un unico documento HTML autonomo con la codifica dei caratteri dichiarata, così le lettere accentate vengono visualizzate correttamente nel browser.

Domande frequenti

L'HTML è un linguaggio di programmazione?

No. L'HTML è un linguaggio di markup: descrive la struttura dei contenuti ma non ha cicli, condizioni o calcoli. Per aggiungere comportamenti a una pagina si usa JavaScript.

Che differenza c'è tra HTML5 e HTML?

HTML5 è il nome della versione principale diventata Raccomandazione W3C nel 2014. Dal 2019 l'HTML viene sviluppato dal WHATWG senza numeri di versione come "HTML Living Standard". In pratica, oggi HTML5 e HTML indicano la stessa cosa.

Come apro un file HTML?

Fai doppio clic e si aprirà nel browser predefinito. Per vedere il codice sorgente, apri il file in un editor di testo o usa l'opzione del browser "Visualizza sorgente pagina".

Perché mancano le immagini quando converto un HTML in PDF?

Se le immagini vengono caricate da un indirizzo internet, per motivi di sicurezza il nostro convertitore non le scarica. Incorpora le immagini nell'HTML come data: URI, oppure converti prima il documento in Word e aggiungi lì le immagini.

È sicuro aprire un file HTML?

L'HTML può contenere JavaScript, quindi fai attenzione ai file di provenienza sconosciuta. Le pagine HTML che arrivano come allegati email e chiedono una password sono una tecnica di phishing molto comune.

Fonti

• WHATWG: HTML Living Standard, Parsing HTML documents
• Protocollo d'intesa tra W3C e WHATWG (28 maggio 2019)
• Comunicato stampa W3C: Raccomandazione HTML5 (28 ottobre 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