说起HTML的结构，很多人都能说得头头是道，一般来说答案可能是这样的：
一个DOCTYPE，一个html，里面有head和body元素。
这当然不能说是不正确的，但是如果问到一个最小的HTML源文件必须有哪一些东西的话，恐怕很少有人能正确地做出回答。
先来回答一下这个问题，一个最简的HTML5源码文件需要的内容如下：
<!DOCTYPE html>
是的，就这样，一个字符不多，一个字符不少，除了大小写可任意变化外，其他的任何内容都是不能变动的。
那么究竟是怎么样的规则，导致一个最简的源码文件必须有doctype声明呢？根据标准，一个HTML文档有如下内容组成（严格按照顺序）：
- 一个BOM标记，且这个BOM标记必须为U+FEFF。
- 0-n个空格或注释。
- DOCTYPE声明。
- 0-n个空格或注释。
- 一个HTML元素。
- 0-n个空格或注释。
这里存在着一些和HTML4的不同，一个HTML4的最简源码文件是这样的：
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN"
"http://www.w3.org/TR/html4/loose.dtd">
<title>这里是标题</title>
两者的区别是显而易见的：
- HTML5把DOCTYPE修改为更简单的
<!DOCTYPE html>，这个已经众所周知了。
- 在HTML4中多了一个
<title>标签。
这里的重点就是<title>标签了，关于这个标签，在HTML4.01标准中是这么说的：
Every HTML document must have a TITLE element in the HEAD section.
也即是说，HTML4要求<title>标签是必须存在的。
而在HTML5的标准中，又是这么说的：
There must be no more than one title element per document.
HTML5中只设定了<title>标签数量的上限，却没有指明下限，也就是说，没有<title>的文档已经被视为一个合法的文档了。
对于DOCTYPE，HTML4中设定了6种DOCTYPE，HTML5中将DOCTYPE分为3种，这个在以后的章节中再具体说明。
再回过来看一下文档组成，除去0-n个空格或注释
这样并没有多大意义的元素之外，组成的列表中还说明有一个HTML元素，但是最简的源码中却没有这东西。这是因为在HTML的规范中，一直存在“隐式标签”这样的概念，关于隐式标签，大致可以这么解释：
一部分元素，当满足特定的前提条件时，其开始标签或结束标签可以在源码中省略。在这种情况下，被省略的标签称为“隐式标签”。
需要注意的是，此处的省略指的是在源码中省略，而在最终成型的DOM树中，这个标签是存在的，因此才称为隐式标签。因此上面最简的源码结构，在生成DOM树后，其真正的结构是这样的：
<!DOCTYPE html>
<html>
<head></head>
<body></body>
</html>
最后，再总结一下XHTML中的一些规范：
- 因为是XML，所以为了表示这是一个HTML文档，必须有一个命名空间，其值为
http://www.w3.org/1999/xhtml。
- 因为是XML，所以MIME type不能是
text/html了，text/xml、application/xml、application/xml+html都是比较好的选择。
- 因为是XML，必须有根元素，根元素为
<html>，即<html>的开始和结束标签不能省略了。
- 因为是XML，所有元素只要有了开始标签，就不能没有结束标签，或者自闭合。
- 因为是XML，所有元素都得严格遵守大小写，元素名称必须为小写。
因为是XML，文档变得严格了很多，也因为是XML，其可读性和规范性提高了不少。但最终，我们始终要在HTML的宽容性和XML的规范性之间找到最佳的平衡点，一味地追求极端始终是一个错误。
本文永久地址：http://www.otakustay.com/learning-html5-structure/