ぶいてく: 【HTML5】 HTMLなのかXMLなのか、それが問題だ

HTMLとXMLの大きな違いは、要は、すべての開始タグと終了タグが対になっている（Well-Formed）かどうかである。Well-formedでなければパーサで処理できないためデータとして扱えなくなる。Well-formedでないHTML文書はスクレイピングを行って、構造化されたデータを引っ張り出してXMLに変換しなければならない。英語で"scrape"とは「削ること」。構造化されていない部分は機械的に削ることはできないため、意味のある部分を「人」が判断して例外があれば対応していくといった不毛な処理の積み重ねを行う必要がある。 これまでWeb2.0の明るい技術として語られてきたセマンティックウェブは、Well-formedなXMLであることが前提とされる。RSS、ATOMやマイクロフォーマットなどによるメタデータ化、つまり、CGMを作成する側において、あらかじめ検索を行いやすい状態に加

[amateru]

ISO-HTML的には、brとhrとimgとcolとmetaとlinkとbaseを置換すれば、それで大抵事足りるやうな。

[kits]

microformatsはXMLを前提にしていただろうか?