Документ html какой это файл

Name already in use

web-developer-cheatsheet / General / Структура форматов файлов.md

Go to file T
Go to line L
Copy path
Copy permalink

0 contributors

Users who have contributed to this file

Open with Desktop
View raw
Copy raw contents Copy raw contents

Copy raw contents

Структура форматов файлов

HTML (HyperText Markup Language — язык гипертекстовой разметки) — стандартизированный язык разметки документов в сети Интернет. Большая часть web-страниц содержат описание разметки именно на языке HTML. Язык HTML интерпретируется браузерами, результат отображается на экране компьютера или мобильного устройства.

HTML является теговым языком для разметки документов, то есть любой HTML файл представляет собой набор элементов, причем начало и конец каждого элемента обозначается специальными символами, которые называются тегами. Элементы могут не содержать никаких данных или текста, то есть быть пустыми (например, тег переноса строки <br> ). В этом случае закрывающий тег не ставится. Кроме того, элементы могут иметь атрибуты, определяющие набор каких-либо свойств. Атрибуты указываются только в открывающем теге. Регистр имени тега не имеет значения.

Формат HTML имеет MIME-type text/html .

Гиперссылки
- <a href=»filename» target=»_self»>Название ссылки</a> — общий вид ссылки
- href — адрес web-страницы или файла, на который указывает ссылка
- Название ссылки — название ссылки, которое будет отображаться на странице
- target — значение окна, в котором будет открыт документ
- <h1> , …, <h6> — заголовки 1–6 уровня. Используются для выделения частей текста (1 — самый большой, 6 — самый маленький)
- <p> — новый абзац
- <br> — новая строка. Тег не закрывается
- <hr> — горизонтальная линия. Тег не закрывается
- <blockquote> — цитата
- <pre> — режим preview, в котором текст заключается в специальную рамку, в рамках которой текст никак не форматируется
- <div> — блок
- <span> — строка
- <i> — выделение текста курсивом
- <b> — выделение текста полужирным шрифтом
- <u> — подчеркивание текста
- <strike> — зачеркивание текста
- <big> — увеличение шрифта
- <small> — уменьшение шрифта
- <sub> — подстрочный текст
- <sup> — надстрочный текст
- <font> — параметры шрифта
- <table> — создание таблицы
- <tr> — строка таблицы
- <th> — заголовок столбца таблицы
- <td> — ячейка таблицы
- <ul> — ненумерованный список
- <ol> — нумерованный список
- <dl> — список определений
- <li> — элемент списка
Валидный документ должен содержать определение типа документа (DTD). DTD должен быть расположен до всех элементов документа. Наиболее распространенные типы DTD для HTML:
- <!DOCTYPE HTML PUBLIC «-//W3C//DTD HTML 4.01//EN» «http://www.w3.org/TR/html4/strict.dtd»>
- <!DOCTYPE HTML PUBLIC «-//W3C//DTD HTML 4.01 Transitional//EN» «http://www.w3.org/TR/html4/loose.dtd»>
- <!DOCTYPE html>
Пример структуры HTML файла:

Порядок работы парсера:
- Чтение файла
- Удаление тэгов tbody , thead , nobr
- Восстановление и очистка верстки с помощью библиотеки libtidy
- Преобразование кодировки
- Извлечение изображений и сохранение в массив
- Выдача итогового HTML-документа
Tidy — консольное приложение для Windows, Linux, macOS. Оно исправляет и очищает HTML и XML-документы, исправляет ошибки разметки и обновляет устаревший код до современных стандартов. Существует в виде подключаемой библиотеки — libtidy .

XHTML (eXtensible HyperText Markup Language — расширяемый язык гипертекстовой разметки) — семейство языков разметки веб-страниц на основе XML, расширяющих возможности HTML 4. Спецификации XHTML 1.0 и XHTML 1.1 являются рекомендациями консорциума Всемирной паутины (W3C). Развитие XHTML остановлено, новые версии XHTML не выпускаются, рекомендуется использовать HTML (в частности HTML 5).

Главное отличие XHTML от HTML заключается в обработке документа. Документы XHTML обрабатываются своим синтаксическим анализатором аналогично документам XML. В процессе этой обработки ошибки, допущенные разработчиками, не исправляются.

Формат XHTML имеет MIME-type application/xhtml+xml .

Различия между XHTML и HTML

Различия между XHTML и HTML:
- Все элементы должны быть закрыты. Теги, которые не имеют закрывающего тега (например, тег переноса строки <br> ), должны иметь на конце / ( <br /> )
- Логические атрибуты записываются в развернутой форме (например, <option selected=»selected»> )
- Все теги и атрибуты должны быть записаны строчными буквами (например, <img alt=»» /> , а не <IMG ALT=»» /> )
- XHTML строже относится к ошибкам в коде. По рекомендации W3C браузеры, встретив ошибку в XHTML, должны сообщить о ней и прекратить обрабатывать документ. Для HTML браузеры должны попытаться понять начальный замысел разработчика и предложить свой вариант
- Кодировкой по умолчанию является UTF-8 (в отличие от HTML, где кодировкой по умолчанию является ISO 8859-1)
- Должна соблюдаться правильная вложенность тегов
Валидация XHTML-документа рекомендована даже несмотря на то, что она не гарантирует одинаковой работы во всех браузерах.

Валидный документ должен содержать определение типа документа (DTD). DTD должен быть расположен до всех других элементов документа. Вот наиболее распространенные типы DTD для XHTML:
- XHTML 1.0 Strict: <!DOCTYPE html PUBLIC «-//W3C//DTD XHTML 1.0 Strict//EN» «http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd»>
- XHTML 1.0 Transitional: <!DOCTYPE html PUBLIC «-//W3C//DTD XHTML 1.0 Transitional//EN» «http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd»>
- XHTML 1.0 Mobile: <!DOCTYPE html PUBLIC «-//WAPFORUM//DTD XHTML Mobile 1.0//EN» «http://www.wapforum.org/DTD/xhtml-mobile10.dtd»>
- XHTML 1.1: <!DOCTYPE html PUBLIC «-//W3C//DTD XHTML 1.1//EN» «http://www.w3.org/TR/xhtml11/DTD/xhtml11.dtd»>
Пример структуры XHTML файла:

XML (eXtensible Markup Language — расширяемый язык разметки). Разрабатывался как язык с простым синтаксисом, удобный для создания и обработки документов программами и одновременно удобный для чтения и создания документов человеком. Язык называется расширяемым, так как он не фиксирует разметку, используемую в документах: разработчик может создать разметку в соответствии с потребностями к конкретной области. Сочетание простого синтаксиса, удобства для человека, расширяемости привело к широкому использованию как собственно XML, так и множества производных специализированных языков на базе XML в самых разнообразных программных средствах.

Правила создания XML-документа:
- В заголовке документа помещается объявление XML, в котором указывается язык разметки документа, номер его версии и дополнительная информация
- Каждый открывающий тэг должен иметь закрывающий тэг
- В XML учитывается регистр символов
- Все значения атрибутов должны быть заключены в кавычки
- Вложенность тэгов в XML строго контролируется, поэтому необходимо следить за порядком следования открывающих и закрывающих тэгов
Если XML-документ не нарушает приведенные правила, то он называется формально-правильным и все синтаксические анализаторы, предназначенные для разбора XML-документов, смогут работать с ним корректно.

Формат XML имеет MIME-type application/xml .

Физическая структура документа

С физической точки зрения XML-документ состоит из сущностей — мельчайших частей в документе. Все сущности имеют имя и содержат символы, которые разделены на два типа — символы данных и символы разметки. К разметке принадлежат: теги, обозначающие границы элементов, их атрибуты, объявления и инструкции обработки, комментарии, а также последовательности символов, обрамляющие секции CDATA . Часть документа, не принадлежащая разметке, составляет символьные данные документа.

Логическая структура документа

С логической точки зрения документ состоит из комментариев, объявлений, элементов, ссылок на сущности и инструкций обработки.

Все составляющие части документа обобщаются в пролог и корневой элемент. Корневой элемент — обязательная часть документа, составляющая всю его суть. Может включать вложенные в него элементы и символьные данные, а также комментарии. Вложенные в корневой элемент элементы могут включать вложенные в них элементы, символьные данные и комментарии, и так далее. Пролог может включать объявления, инструкции обработки, комментарии. Его следует начинать с объявления XML.

Элементы документа должны быть правильно вложены: любой элемент, начинающийся внутри элемента должен заканчиваться там же. Символьные данные могут встречаться внутри элементов как непосредственно так и в специальных секциях CDATA .

Разметка всегда начинается символом < и заканчивается символом > . Наряду с ними специальную роль для разметки играет также символ & . Угловые скобки обозначают границы элементов, инструкций обработки и некоторых других последовательностей. Амперсанд позволяет выполнить замену текста при помощи сущностей.

Употребление разметочных символов в символьных данных может создать проблему неоднозначности структуры. В XML эта проблема решается следующим образом: специальные символы не могут присутствовать в символьных данных, поэтому для их представления в этих случаях зарезервированы специальные сущности:
- < заменяется на <
- > заменяется на >
- ’ заменяется на '
- ” заменяется на "
Объявление XML указывает версию языка, на которой написан документ. Поскольку интерпретация содержимого документа зависит от версии языка, то спецификация предписывает начинать документ с объявления XML. В первой (1.0) версии языка использование объявления не было обязательным, в последующих версиях оно обязательно.

Пример объявления XML:
- <?xml version=»1.1″ encoding=»UTF-8″ ?>
- <?xml version=»1.0″ encoding=»windows-1251″ standalone=»yes»?>
Секция CDATA не является логической единицей текста. Секция может встречаться в любом месте документа, где разрешено размещать символьные данные. Секция начинается <![CDATA[ и завершается ]]> . Между этой разметкой находятся символьные данные.

Пример структуры XML файла:

Порядок работы парсера:
- Чтение файла
- Создание дерева из XML-тэгов в памяти
- Рекурсивный проход по дереву
- Замена каждого тэга на элемент вложенного списка
- Выдача итогового HTML-документа
DOCX (Microsoft Word Open XML Document) — документы созданные программным обеспечением для обработки текста Microsoft Word. Данный формат разработан компанией Microsoft. Файл с расширением DOCX содержит текст, изображения, форматирование текста, нарисованные объекты и другие элементы. Чаще всего применяться для создания деловых, научных и личных документов, является одним из самых популярных форматом среди текстовых редакторов.

DOCX файлы спроектированы так, чтобы содержимое текстового документа было доступным — текстовый документ сохраняется с помощью текстовых файлов (plain text) и изображений документов хранятся в виде отдельных файлов в DOCX формате.

Формат DOCX имеет MIME-type application/vnd.openxmlformats-officedocument.wordprocessingml.document .

В отличие от DOC файлов, в которых хранение данных документа происходит в одном бинарном файле, DOCX файлы создаются с помощью Open XML формата, в котором документы хранятся, как набор отдельных файлов и папок в пакете ZIP, что позволяет уменьшить размер файла. DOCX-файлы содержат XML и бинарные файлы и три папки, docProps , Word , и _rels , которые сохраняют свойства документа, содержание и отношения между файлами.

Файл _rels/.rels содержит информацию о структуре документа. В нем хранятся пути к метаданным, а также к основному документу XML, который используется для хранения самого документа.

Информация о метаданных, как правило, хранится в папке docProps . Два или несколько файлов XML, которые хранятся в этой папке, app.xml , который хранит метаданные, извлеченные из приложения, и core.xml , который хранит метаданные из самого документа, например имя автора, последнее время изменения.

Папка Word хранит фактическое содержание документа. Файл XML, названный document.xml , является основным документом, содержащий большую часть текста самого документа.

Порядок работы парсера:
- Разархивирование файла
- Извлечение информации о списках из файла word/numbering.xml
- Извлечение стилей из файла word/styles.xml
- Извлечение ссылок на файлы и изображения из файла word/_rels/document.xml.rels
- Извлечение содержимого из файла word/document.xml
- Рекурсивный обход всех тэгов, извлеченных на предыдущем этапе
- Формирование элементов (параграфов и заголовков, ссылок, изображений, таблиц, списков) с учетом ссылок и дополнительной мета информации
- Добавление стилей
- Формирование HTML-документа
Файл MS DOC — документ Microsoft Word — самой популярной программы для работы с текстами. Файлы формата DOC являются бинарными. Они содержат информацию о форматировании текста — шрифты, выравнивание текста, отступы, списки, колонки. Документы Word также могут включать в себя изображения, диаграммы, таблицы, сценарии. Кроме различных объектов, текста и информации о его форматировании, файл DOC содержит параметры самого документа, печати.

Из-за закрытой спецификации формата в процессе создания документов программными средствами, отличных от Microsoft Word могли возникать ошибки в разметке документа. Только в 2008 году Microsoft открыла спецификацию формата, но бесплатно пользоваться ей можно для некоммерческих целей.

Формат DOC имеет MIME-type:
- application/msword
- application/vnd.ms-office
В DOC в качестве формата по умолчанию используется двоичный формат файлов MS-DOC. Базовой единицей измерения данных в документе Word является символ. К таким символам может относиться форматирование, невидимые символы, а также символы в кодировке ANSI и Юникод. Все данные о символах размещаются в потоке WordDocument . В начале этого потока находится структура под названием блок файловой информации (File Information Block — FIB ), которая содержит указатели на все данные в файле.

Основные структуры:
- Поток WordDocument — основной поток в файле DOC, который содержит все данные файла, кроме таблиц (хранятся в потоках 1Table и 0Table )
- Символ — может быть текстовым или нетекстовым (например, знак абзаца). Его размер может изменяться в зависимости от того, относится ли он к кодировке ANSII, Юникод или управляющим символам. Соседние символы в документе необязательно являются соседними в двоичном файле
- Plc — представляет собой массив позиций символов, за которым следует массив элементов данных. Разные структуры Plc имеют разные имена и функции (например, структура Plcbkf состоит из закладок и указателей на них)
- Структура PlcPcd — является структурой Plc , которая сопоставляет массив позиций символов со структурами Pcd (то есть с символами в тексте)
Структуры потока WordDocument :
- File Information Block ( FIB ) — начинается со смещения 0x00 по отношению к потоку WordDocument . Указывает расположение всех остальных данных в файле с помощью пары целых чисел, первое из которых указывает расположение, а второе — размер. Эти числа указываются в подструктурах FIB (например FibRgFcLcb97 ). Имена расположений содержат префикс fc , а названия размеров — префикс lcb
- Структура Clx — представляет собой массив из 0 или большего числа структур Prc , которые содержат сведения о свойствах. После них идет структура Pcdt , содержащая структуру PlcPcd
Символьные структуры:
- Character Position ( CP ) — 32-разрядное целое число без знака, которое определяет расположение индекса символа в тексте документа
- Структура Pcd — указывает положение текста в потоке WordDocument , а также некоторые свойства текста
Бинарная структура DOC файла:

Пример содержания DOC файла:

Порядок работы парсера:
- Чтение файла
- Разбор внутренней файлов структуры, поиск потоков
- Чтение потока WordDocument
- Чтение позиции ( fc ) и размера ( lcb ) блока CLX , который находится в потоке таблиц
- Определение потока таблиц путем считывания седьмого бита по смещению 0x000A
- Чтение потока таблиц 0Table , если седьмой бит равен 0 , или 1Table , если седьмой бит равен 1
- Чтение структуры CLX в потоке таблиц
- Поиск позиции и размера структуры PieceTable внутри CLX . Для этого находим возможное начало PieceTable , который обязательно начинается на 0х02 . Далее читаем следующие 4 байта — размерность. Если размерность по факту и записанная по смещению совпадают, то нашли PieceTable . Иначе продолжаем поиск
- Разделение PieceTable на структуры CP и PCD . Концом CP и началом PCD является значение последнего CP , которое можно найти как сумму 8 значений, начиная со смещения 0x004C
- Чтение символов в PCD
- Определение кодировки символа. Если первый бит равен 1 , то ANSI и значит нужно начать читать в 2 раза раньше, если 0 , то Unicode и значит нужно прочитать в 2 раза больше
- Преобразование специальных символов в HTML-тэги, а также преобразование оставшихся символов в простой текст
- Выдача итогового HTML-документа
RTF (Rich Text Format — формат обогащенного текста) — проприетарный формат хранения размеченных текстовых документов, предложенный группами программистов из компаний Adobe и Microsoft, как тэговый формат для редактора Word в 1982 году. С тех пор спецификация формата несколько раз изменялась. После разрыва отношений с Microsoft компания Adobe продолжила самостоятельное развитие языка, заложенного в основу RTF, создав в 1985 году язык PostScript.

RTF был определен Microsoft как стандартный формат для обмена текстовыми документами. Поэтому, по назначению этот формат подобен формату для электронных таблиц. RTF поддерживается многими продуктами фирмы Microsoft. Начиная с версии 2.0, он введен в Windows в качестве формата буфера обмена, благодаря чему возможен обмен данными между различными прикладными программами Windows.

Формат RTF имеет MIME-type text/rtf .

В RTF для обмена документами используются только представимые символами коды из ASCII- и PC-символьного набора. Кроме текста, RTF в читаемой форме содержит команды управления.

Документ состоит преимущественно из команд управления настройки программы чтения файлов. Эти команды можно разделить на управляющие слова (control words) и управляющие символы (control symbols).

Управляющее слово представляет собой последовательность символов с разделителем (delimiter) в конце — \lettersequence <delimiter> . Перед управляющим словом вводится обратная косая черта \ (backslash). В качестве разделяющих могут использоваться следующие символы:
- Пробел, причем этот символ относится к управляющему слову
- Цифра или знак — . После этих символов должен следовать параметр с разделителем
- Все символы, отличные от цифр и букв. Эти символы не относятся к управляющему слову
В RTF для задания управляющей последовательности используются буквы от А до Z и от а до z , а также цифры от 0 до 9 . Национальные символы к управляющей информации не относятся.

В качестве, управляющих символов используются отдельные буквы. Перед каждым управляющим символом вводится обратная косая черта \ — \control symbol . В настоящее время определены только некоторые из этих символов. Поэтому при чтении неизвестные символы могут быть пропущены.

В RTF существует возможность объединять отдельные последовательности в группы, используемые для описания сносок и колонтитулов, при помощи скобок:
- < — начало группы
- > — конец группы
Если необходимо разместить символы \ , < или >внутри обычного текста, то перед ними надлежит поставить обратную косую черту. Это позволяет программе, читающей RTF, распознать, что символ не следует интерпретировать как управляющий.

Специальные управляющие слова:
- \chpgn — управляющее слово change page number выводит текущий номер страницы
- \chftn — управляющее слово change footnote включает автоматическую нумерацию сносок
- \chdate — управляющее слово change date выводит текущую дату
- \chtime — управляющее слово change time выводит текущее время
- \page — задает переход на новую страницу
- \line — вызывает переход на новую строку
- \раr — обозначает конец абзаца. Последовательность \раr может заменяться последовательностью \10 или \13 . При этом \10 соответствует ASCII-символу с кодом 10 (carriage return)
- \sect — обозначает конец текстового фрагмента или текстового абзаца
- \tab — обозначает знак табуляции. Можно также непосредственно задавать ASCII-код 09Н
- \сеll — обозначает конец ячейки таблицы
- \row — обозначает конец строки таблицы
Пример структуры RTF файла:

Порядок работы парсера:
- Посимвольное считывание данных из файла
- Поиск в начале файла словарей, содержащих информацию о цветах и шрифтах
- Поиск ключевых символов, обозначающих группы ( < и >)
- Извлечение информации о форматировании группы
- Извлечение текста из группы
- Преобразование символов, представленных в виде \u0000 (2-байтный Unicode) и \’00 (7-битный символ в кодировке документа)
- Извлечение изображений и сохранение в массив
- Формирование HTML-документа
OpenDocument Format, ODF (Open Document Format for Office Application — открытый формат документов для офисных приложений) — открытый формат документов для обмена и хранения офисными документами, текстовыми документами (отчеты, заметки, книги), таблицами, презентациями, рисунками.

Стандарт разработан индустриальным сообществом OASIS и основан на формате XML. 1 мая 2006 года принят как международный стандарт ISO/IEC 26300. Стандарт разработан различными организациями, может использоваться без ограничений и доступен для всех. Представляет собой альтернативу закрытым форматам (DOC, XLS, PPT), а также формату Microsoft Office Open XML (DOCX, XLSX, PPTX).

Формат ODT имеет MIME-type application/vnd.oasis.opendocument.text .

Каждый документ ODF представляет собой ZIP файл. Поэтому, чтобы просмотреть структуру документа, достаточно сменить расширение файла на ZIP. Внутри архива можно увидеть, пять и более XML-файлов, несколько папок.

В XML-файлах, кроме непосредственно документа, находятся специальные метаданные. Это дополнительная информация, которая позволяет задать тексту определенные параметры. Такими параметрами могут быть размер и тип шрифта, положение на странице, параметры печати или вывода на экран монитора.

Главный файл с содержанием является content.xml , файл стиля — style.xml . В папках могут находиться различные мультимедийные файлы — картинки, аудиофайлы, видеофайлы.

Простота формата дает более легкую возможность извлекать как содержание, так и метаинформацию из файла, не прибегая к изучению всех особенностей стандарта.

Обработка ODT похожа на алгоритм обработки DOCX файлов. При этом обработка ODT происходит гораздо проще за счет то, что большая часть необходимой информации содержится в одном файле content.xml , а также теги имеют более понятные названия, что позволяет узнать их назначение без использования документации.

Порядок работы парсера:
- Разархивирование файла
- Извлечение информации о списках из файла styles.xml
- Извлечение стилей из файла content.xml
- Извлечение содержимого из файла content.xml
- Рекурсивный обход всех тэгов, извлеченных на предыдущем этапе
- Формирование элементов (параграфов и заголовков, ссылок, изображений, таблиц, списков). В отличие от DOCX здесь не используются ссылки между файлами и элементами
- Добавление стилей
- Формирование HTML-документа
Файл XLSX — таблицы, созданные в Microsoft Excel — программе, используемой для создания электронных таблиц. Данные хранятся на так называемых листах, в которых содержатся ячейки, расположенные в строках и столбцах. Может содержать, математические функции, диаграммы, форматирование и стили; обычно используется для хранения финансовых данных и для создания простых или сложных математических моделей.

Каждая ячейка в таблице XLSX может быть отформатирована в индивидуальном порядке. Например, в ячейке возможно указать формат числа, текста, или другой формат, а также цвет, шрифт и размер. Ячейки могут содержать ссылки на другие ячейки, чтобы вычислить результирующее значение.

Формат XLSX имеет MIME-type application/vnd.openxmlformats-officedocument.spreadsheetml.sheet .

Файлы XLSX хранятся в виде ZIP архивов, которые применяются для уменьшения размера файла, который содержит набор отдельных файлов. Архив включает в себя файл [Content_Types].xml , который описывает таблицу и XML-файл для каждого листа в пределах таблицы.

Файл [Content_Types].xml содержит информацию о типе содержимого каждого файла. При записи XLSX изменяется та часть, которая связана с информацией о листе, поскольку она зависит от количества листов. Остальная часть не изменяется.

Файл app.xml содержит информацию о количестве и названиях листов. При записи данного файла изменяется только значение количества листов и имена листов в соответствии с документом.

Файл Workbook.xml содержит информацию о листах. Это файл, в котором определены название листов, остальные файлы ссылаются на эти названия. Этот файл также содержит отображение между отношениями и именами листов, путем определения значения атрибута г: Id . При создании данного файла необходимо быть осторожным, так как нужно сопоставить правильные идентификаторы id для всех листов, иначе файл будет поврежден.

Порядок работы парсера:
- Разархивирование файла
- Извлечение стилей из файлов xl/theme/theme1.xml и xl/styles.xml
- Извлечение текстовых строк из структуры SST (Shared Strings Table) из файла xl/sharedstrings.xml
- Извлечение ссылок на файлы из файла xl/_rels/workbook.xml.rels
- Извлечение информации о документе (автор, дата создания, и т.д.) из файла docprops/core.xml
- Извлечение основного содержимого документа из файла xl/workbook.xml
- Поиск информации о каждом листе (название, расположение и количество ячеек)
- Поиск информации о ячейках (содержимое, связи, границы, объединения)
- Преобразование формул, содержащихся в ячейках, в значения
- Извлечение изображений
- Применение стилей
- Формирование HTML-документа
Файл MS XLS — электронная таблица, созданная в Microsoft Excel. Данные в документе хранятся в ячейках, каждая из которых имеет определенный адрес (колонки нумеруются английскими буквами, строки — цифрами).

Каждая ячейка может содержать как фиксированные данные, так и математические формулы. Как и в документе Microsoft Word (.DOC), формат XLS позволяет пользователю изменять представление текста: его шрифт, цвет, начертание, выравнивание (в ячейке) и другие параметры. Кроме того, документ может содержать изображения, а также диаграммы, построенные на основе данных в определенных ячейках.

Формат XLS имеет MIME-type application/vnd.ms-excel .

Формат состоит из потоков и подпотоков. Каждый лист таблицы хранится в собственном подпотоке. Все данные содержатся в записях, которые имеют заголовки, которые дают тип записи и длину. Ячейки, которые содержат фактические данные и формулы, находятся в таблице. Строковые значения хранятся не в ячейках, а в специальной таблице, на которую ссылается ячейка. Строки содержат информацию о расположении строк и ячеек. Только ячейки, которые содержат данные или форматирование хранятся в подпотоке.

Формат файла MS XLS содержит потоки, подпотоки и записи. Все записи начинаются с 2-байтовых целых чисел для указания типа записи ( rt ), и размера записи ( cb ). Запись не может превышать 8224 байт. Если размер записи превышает данное ограничение, то часть, которая не помещается, располагается в одну или несколько записей продолжения (continue records).

Основные потоки, подпотоки и записи:
- Поток Workbook — является основным потоком XLS-файла. Он содержит несколько потоков, каждый из которых начинается с начала файла ( BOF ) и заканчивается в конце файла ( EOF ). Первый поток всегда является подпотоком Globals , а все остальные подпотоки sheet . К ним относятся листы, макросы, диаграммы, модули VBA
- Подпоток Globals — определяет глобальные свойства и данные книги. Он также включает BoundSheet8 запись для каждого подпотока потока Workbook
- Запись BoundSheet8 — содержит сведения о подпотоке листа — имя, расположение, тип и видимость. Первые 4 байта для записи, lbPlyPos указывает позицию в потоке Workbook , где начинается подпоток листа
- Подпоток Worksheet — указывает лист в книге
Структуры подпотока Worksheet :
- Cell Table — часть потока листа, где хранятся ячейки. Содержит ряд блоков, каждый из которых содержит 32 строки ячеек и заполняется последовательно. Каждый блок строки начинается с серии записей, за которыми следуют ячейки, и заканчивается DBCell записью, которая дает смещение первой ячейки каждой строки в блоке
- Запись Row — определяет строку в листе. Представляет собой сложную структуру, но первые 6 байт необходимы для получения основного содержимого — индекс первой строки и столбца первой и последней ячейки
- Cell — все ячейки в строке блока хранятся после последней строки в блоке. Существует семь типов записей, представляющих собой ячейки на листе. Большинство записей начинаются с 6-байтной Cell структуры — первые 2 байта указывают строку, следующие два байта указывают столбец, а последние 2 байта указывают запись XF в подпотоке Globals , который содержит сведения о форматировании. Если не указано иное, первые 6 байтов занимаемое структуру ячеек, а оставшиеся байты содержат значения
- Shared String Table ( SST ) — содержит все строковые значения в книге. Эти значения ссылаются на лист с помощью записи LabelSst . Первые 8 байт SST содержат количество ссылок на строки в книге и количество уникальных строковых значений в SST . Остальные представляют собой массив структур XLUnicodeRichExtendedString , содержащий строки в виде массивов знаков. 16-й бит определяет, должны ли символы быть 1 байт или 2 байта
Основные виды ячеек:
- Blank — задает пустую ячейку, которая не имеет формулы или значения. Этот тип записи используется только для ячеек, содержащих форматирование. В противном случае пустые ячейки хранятся в записях MulBlank
- RK — содержит 32-разрядное число. Excel автоматически преобразует числа, которые могут быть представлены в 32 бит или меньше, в этот формат для уменьшения размер файла. Вместо 6-байтовой структуры ячейки первые 2 байта определяют строку и вторые 2 байта определяют столбец. Оставшиеся 6 байт определяют номер в структуре RkRec для оптимизации памяти
- BoolErr — содержит 2-байтовую структуру Bes , которая может принимать значения типа Boolean или код ошибки
- Number — содержит 64-разрядное число с плавающей запятой
- LabelSst — содержит 4-байтовое целое число, которое указывает строку в таблице общих строк ( SST )
- Formula — содержит формулу и полученные результаты. Значение, отображаемое в ячейке, определено в структуре FormulaValue в 8 байтах, которые следуют за структурой ячейки. Следующие 6 байт могут игнорироваться, а остальная часть записи является представляет собой CellParsedFormula структуру, содержащую саму формулу
- MulBlank — задает набор пустых ячеек в строке
- MulRK — похожа на запись MulBlank , но вместо пустых ячеек, MulRk состоит из RK данных в структурах RkRec
Бинарная структура XLS файла:

Пример содержания XLS файла:

Обработка похожа на алгоритм обработки DOC файлов (в части структуры бинарного файла), и XLSX файлов (в части порядка обработки составных частей документа).

Порядок работы парсера:
- Чтение файла
- Разбор внутренней файлов структуры, поиск потоков
- Чтение потока Workbook
- Определение версии файла
- Поиск частей данных о листах
- Извлечение текстовых строк из структуры SST (Shared Strings Table)
- Поиск информации о каждом листе (название, расположение и количество ячеек)
- Поиск информации о ячейках (содержимое, связи, границы, объединения)
- Извлечение стилей
- Извлечение прочих частей документа (встроенные объекты, заметки, комментарии)
- Преобразование формул, содержащихся в ячейках, в значения
- Преобразование бинарных данных в текст с учетом кодировки документа
- Преобразование специальных символов в HTML-тэги, а также преобразование оставшихся символов в простой текст
- Применение стилей
- Формирование HTML-документа
CSV (Comma-Separated Values — значения, разделенные запятыми) — текстовый формат, предназначенный для представления табличных данных. Каждая запись состоит из одного или нескольких полей, разделенных запятыми. Использование запятой в качестве разделителя полей является источником названия для формата.

Данный формат поддерживается многими программными продуктами. CSV-файлы часто используются для импорта/экспорта табличных данных между двумя различными программами, например, между электронной таблицей и базой данных.

Первый CSV файл появился в начале 70-х годов. Данные, разделенные запятыми, их было легко вводить (например, в перфокарты), были менее склонны к получению неверных результатов, если столбцы отклонялись от предполагаемого местоположения. Несмотря на длительную историю, формат популярен и сегодня и используются для различных целей, например, для экспорта контактов в Microsoft Outlook.

Первые попытки стандартизовать формат были предприняты еще в 2005 году. Однако, только в 2015 W3C, пытаясь улучшить формат, обнародовал первые проекты рекомендаций по стандарту.

Формат CSV имеет MIME-type:
- text/csv
- application/csv
- application/vnd.msexce
Каждая строчка в CSV файле соответствует одной строчке в таблице. На одной линии поля разделяются символом запятой , , каждое поле является частью одного столбца таблицы. Однако на практике часто используют другие разделители, например, точка с запятой, то есть формат CSV путают с DSV (Delimiter-Separated Values — значения, разделенные разделителем) и TSV (Tab-Separated Values — значения, разделенные табуляцией).

Данные, содержащие зарезервированные символы (двойная кавычка, запятая, точка с запятой, новая строка) заключаются в двойные кавычки » . Если в тексте встречаются кавычки, то они представляются в виде двух подряд идущих кавычек. Иногда в двойные кавычки заключаются и текстовые значения. Строки, в зависимости от операционной системы, разделяются символами CR LF ( 0x0D 0x0A ), или LF ( 0x0A ).

Так как разделители строк и столбцов могут различаться, может быть разной и кодировка итогового файла, и обрамление двойными кавычками, что значительно усложняет перенос данных из одних программ в другие, несмотря на всю довольно простую реализацию CSV.

Основные правила, используемые при создании CSV-файлов:
- CSV — разделенный формат данных, который имеет поля (столбцы), разделенные символом запятой и записи (строки), заканчивающиеся символами новой строки
- CSV не требует конкретной кодировки символов, порядка следования байтов, или формата разделителя строки (некоторое программное обеспечение не поддерживает все разделители)
- Запись заканчивается разделителем строки. Тем не менее, разделители могут быть тексте, поэтому программное обеспечение должно правильно их распознавать
- Все записи должны иметь одинаковое количество полей и одинаковый порядок
- Данные в полях интерпретируются как последовательность символов, а не в виде последовательности битов
- Соседние поля должны быть отделены друг от друга одной запятой. Однако, в локализациях, где запятая используется в качестве десятичного разделителя, поля отделяются точкой с запятой, табуляцией или другими символами
- Любое поле может заключаться в двойные кавычки
- Поля, содержащие запятые или двойные кавычки, должны заключаться в кавычки
- Если в поле встречаются кавычки, то они представляются в виде двух кавычек подряд
- Поля, содержащие переносы строки, должны быть заключены в кавычки
- Пробелы вне кавычек в поле не допускаются
- Первая запись может быть заголовком, который содержит имя каждого поля
Пример структуры CSV файла:

Порядок работы парсера:
- Чтение первых 4000 байт файла (либо всего файла целиком, если он меньше)
- Подсчитывается число вхождений символов, которые могут выступать в качестве разделителя ячеек
- Определяется наиболее вероятный разделитель ячеек
- Построчное чтение файла, разбиение строк на ячейки
- Формирование HTML-документа
Текстовый файл (TXT / MD)

TXT (TeXT) — текстовый файл, содержащий текстовые данные в отличие от бинарных (двоичных) файлов, в которых содержатся данные, не рассчитанные на интерпретацию в качестве текстовых (видео, звуки).

Markdown — облегченный язык разметки, созданный с целью написания максимально читаемого и удобного для правки текста, но пригодного для преобразования в языки для сложных публикаций.

Текстовый файл содержит последовательность символов. Эти символы сгруппированы в строки. В современных системах строки разделяются специальными разделителями строк. Иногда конец текстового файла также отмечается одним или более специальными знаками, называемыми маркерами конца файла.

Формат TXT имеет MIME-type text/plain .

Преимущества и недостатки

Преимущества:
- Универсальность — файл может быть прочитан на любой операционной системе
- Устойчивость — каждый символ и слово самодостаточны и, если случится повреждение байтов в таком файле, то можно восстановить данные или продолжить обработку остального содержимого
- Простота — формат текстового файла прост и его можно изменять любым текстовым редактором, который входит в состав любой операционной системы
Недостатки:
- Низкая информационная энтропия у больших несжатых текстовых файлов — эти файлы занимают больше места, нежели минимально необходимо
- Некоторые операции с текстовыми файлами неоптимальны — например, чтобы прочитать 100-ю строку, требуется считать 99 строк, идущих до нее; сложно заменить одну строку другой
Управляющие символы и разметка

Различные операционные системы имеют свое представление перевода строки и конца файла. В UNIX перевод строки состоит из одного символа LF (код 0xA ), в macOS — из символа CR (код 0xD ), а в Windows перевод строки кодируется сразу двумя символами CR и LF .

Символы, которые обычно рассматриваются в Markdown как специальные, могут быть экранированы с помощью символа \ . Также Markdown не преобразует текст внутри блоков HTML, поэтому в документ можно включать секции HTML кода, предварительно заключив их в теги уровня блока.

Пример структуры TXT файла:

Порядок работы парсера:
- Посимвольное считывание данных из файла
- Поиск ключевых символов, обозначающих форматирование
- Поиск ключевых «фраз» с помощью регулярных выражений
- Извлечение изображений и сохранение в массив
- Формирование HTML-документа
JSON (JavaScript Object Notation) — текстовый формат для обмена данными, основанный на JavaScript. Как и многие текстовые форматы, JSON легко читается человеком. Формат был разработан американским программистом Дугласом Крокфордом.

Несмотря на происхождение от JavaScript, формат является независимым от языка и может использоваться с любым языком программирования.

JSON5 — предложенное расширение формата JSON в соответствии со стандартом ECMAScript 5, вызванное тем, что JSON используется не только для общения между программами, но и создается/редактируется человеком. Является корректным кодом ECMAScript 5.

Основными нововведениями являются поддержка как однострочных, так и многострочных комментариев, использование ключей объектов без кавычек, а также поддержка различных способов представления чисел — могут начинаться со знака + , быть в шестнадцатеричном виде, начинаться или заканчиваться десятичной точкой.

Формат JSON имеет MIME-type application/json .

JSON-текст представляет собой одну из двух структур:
- набор пар ключ: значение (словарь, ассоциативный массив), где ключом может быть только строка, значением — любая форма
- упорядоченный набор значений (массив, список)
В качестве значений в JSON могут быть использованы:
- массив — упорядоченное множество значений. Заключается в квадратные скобки […] . Значения разделяются запятыми ,
- объект — неупорядоченное множество пар ключ: значение , заключенное в фигурные скобки <…>. Ключ описывается строкой, между ним и значением стоит символ двоеточия : . Пары отделяются друг от друга запятыми
- строка — упорядоченное множество из нескольких символов, заключенное в двойные кавычки, похожа на одноименный тип данных в языках Java и С
- ключевые слова null , true , false
- число — похоже на число в языках Java и C (за исключением того, что используется только десятичный формат)
Между любыми двумя синтаксическими элементами могут быть вставлены пробелы (любое число).

Пример структуры JSON файла:

Порядок работы парсера:
- Чтение файла
- Создание дерева из JSON-объектов в памяти
- Рекурсивный проход по объектам
- Замена каждого объекта на элемент вложенного списка
- Выдача итогового HTML-документа
ePub (Electronic Publication) — открытый формат электронных книг, разработанный Международным форумом по цифровым публикациям в 2007 году. Формат позволяет издателям производить и распространять цифровую публикацию в одном файле, обеспечивая совместимость между аппаратным и программным обеспечением, необходимым для воспроизведения цифровых книг и других публикаций.

Формат EPUB имеет MIME-type application/epub+zip .

Книга в формате EPUB представляет собой ZIP-архив, в котором содержатся следующее:
- Папка META-INF , которая содержит файл container.xml
- Папка OEBPS
- Файл mimetype
Папка OEBPS , в свою очередь, содержит следующее:
- Папка Text — текст публикации в виде XHTML/HTML страниц или PDF файлов
- Папка Fonts — набор шрифтов
- Папки Images , Video , Audio — медиа-контент: видео, изображения, аудио
- Папка Styles — стили текста (CSS)
- Файл toc.ncx — оглавление книги
- Файл content.opf — содержимое книги, метаданные
Порядок работы парсера:
- Разархивирование файла
- Чтение файла с содержанием (ссылками на части книги)
- Поиск частей документа по ссылкам, объединение в один документ
- Извлечение изображений и сохранение в массив
- Извлечение стилей
- Выдача итогового HTML-документа
PDF (Portable Document Format) — кроссплатформенный формат электронных документов, разработанный компанией Adobe Systems с использованием ряда возможностей языка PostScript (который также разработан внутри Adobe). В первую очередь предназначен для представления печатной продукции в электронном виде. Значительное количество современного профессионального печатного оборудования имеет аппаратную поддержку формата PDF, что позволяет производить печать документов в данном формате без использования какого-либо специального программного обеспечения.

Формат PDF позволяет внедрять необходимые шрифты, растровые и векторные изображения, формы и мультимедийные вставки. Включает механизм электронных подписей для защиты и проверки целости и подлинности документов.

Формат PDF имеет MIME-type application/pdf .

PDF файл представляет собой текстовый документ с вставками бинарных (двоичных) данных, поддерживает несколько базовых типов данных:

Документ html какой это файл

What’s on this Page

What is an HTML file?

HTML (Hyper Text Markup Language) is the extension for web pages created for display in browsers. Known as language of the web, HTML has evolved with requirements of new information requirements to be displayed as part of web pages. The latest variant is known as HTML 5 that gives a lot of flexibility for working with the language. HTML pages are either received from server, where these are hosted, or can be loaded from local system as well. Each HTML page is made up of HTML elements such as forms, text, images, animations, links, etc. These elements are represented by tags and several others where each tag has start and end. It can also embed applications written in scripting languages such as JavaScript and Style Sheets (CSS) for overall layout representation.

Brief History

Since its inception and first role out, the HTML specifications have been maintained by World Wide Web Consortium (W3C) since 1996. In 2000, it also became an international standard (ISO/IEC 15445:2000). In 1999, HTML 4.01 was published. In 2004, the Web Hypertext Application Technology Working Group (WHATWG) started working on the HTML5 version which became a joint deliverable with the W3C in 2008. It was completed and standardized on 28 Oct 2014.
HTML File Format Structure

An HTML 4 document is composed of three parts:
1. a line containing HTML version information
2. a declarative header section
3. a body, which contains the document’s actual content. The body may be implemented by the BODY element or the FRAMESET element to contain the body in frames
Each section can be lead or followed by white spaces, newlines, tabs and comments. An example of a simple HTML document is as shown below:
Version Information

The first line of code, <!DOCTYPE html>, is called a doctype declaration and tells the browser which version of HTML the page is written in. Depending upon the version of HTML, there are a number of different doctype declarations that names the document type definition (DTD) in use for the document. Each DTD differs from other in the elements it supports and differ as follow:
- HTML 4.01 Strict — includes all elements and attributes that have not been deprecated or do not appear in frameset documents
- HTML 4.01 Transitional — includes everything in the strict DTD plus deprecated elements and attributes (most of which concern visual presentation
- HTML 4.01 Frameset — includes everything in the transitional DTD plus frames as well
For HTML5, the version information is simply as mentioned below.
HTML Header Information

Header of an HTML document can include a number of HTML elements that are not rendered by the browser. Such elements are either metadata that describe information about the page or includes sections that are used to fetch information from external resources like CSS stylesheets or JavaScript files. Header of a page is represented by the head tag.

For setting page title, the title element is the only one that is required within the tags. The same is used by Search engines to identify the title of a page.

HTML Body Information

This is the main section in the file that contains all the contents of the file that are rendered by browsers. Html body can contain markups that can refer to various building blocks in the shape of tags. It can contain several different types of information like text, images, colors, graphics, etc. In addition, audio and video elements can also be embedded in html body for rendering by browsers. In presence of modern style sheets application for visual representation, the presentation attributes of BODY such as background color, link color, text color, etc. have been deprecated. Thus, the same effects can be achieved using stylesheets as shown below:

Inline style sheets are easy to embed and for quick applications to the visual effects, external style sheets make it more convenient to deploy once and access at many places.

HTML Elements

As mentioned earlier, contents inside HTML Body are represented by tags, also known as Html Elements. Each tag can have additional information in the form of attributes which are written as <tag attribute1#“value1” attribute2#“value2”>, though it is not necessary to have attributes with every tag. If attributes are not mentioned, default values are used in each case. Following are some of the Element examples:

Что значит html и как создать html файл?

Слышали про html? Или, может быть, слышали об html страницах в Интернете? На самом деле, все просто. HTML — это, упрощенно говоря, один из языков программирования, и не самый сложный из них.

p, blockquote 1,0,0,0,0 —>

p, blockquote 2,0,0,0,0 —>

Используется HTML для того, чтобы страницы в Интернете выглядели именно такими, какими Вы их все знаете:
- красиво оформленные тексты,
- выделенные жирно или курсивом,
- просто черного цвета или разноцветные,
- с активными ссылками на другие страница сайта или блога,
- с картинками, видео, аудио и еще многими другими любопытными фишечками.
По сути, html — это изнанка страниц многих сайтов. Часто их красивое оформление создается с помощью языка разметки html. Иначе это еще называют создание страниц с помощью html верстки.

p, blockquote 4,0,0,0,0 —>

Сайты могут создаваться и на других языках программирования, например, на языке php.

p, blockquote 5,0,0,0,0 —>

Ученый из Британии Тим Бернерс Ли разработал язык html в 1986-1991 годах в Швейцарии. По сути html позволяет создавать простые, но при этом красивые документы. Уже позже в html были добавлены мультимедийные возможности (видео и т.п.) и поддержка работы с гипертекстом (для создания гиперссылок).

p, blockquote 6,0,0,0,0 —>

Для работы с html были созданы всем известные программы-браузеры, они же интернет-обозреватели, такие как:
- Mozilla Firefox (Мозилла Фаерфокс),
- Internet Explorer (Интернет Эксплорер),
- Google Chrome (Гугл Хром),
- Opera (Опера),
- Яндекс (Yandex) браузер,
- Safari (Сафари) и
- другие.
Первоначально основная функция браузера состояла как раз в интерпретации кода HTML и выводе визуального результата на экран монитора пользователя.

p, blockquote 8,0,0,0,0 —>

Что такое html страница

Документы, файлы, страницы, созданные на языке html, имеют расширение вида .html или .htm. Например, html-страница (или html-файл, или html-документ) может иметь название вида:
- тест.html,
- html,
- html или
- название.html.
Строго говоря, тест.html – это имя файла (или имя страницы), где
- тест — имя файла, а
- .html – расширение имени файла (или расширение имени страницы), которое обычно просто называют «расширение».
Сейчас более распространенным вариантом вместо слова «расширение» стало слово «формат». Поэтому выражение «формат html» означает, что файл (или страница) написан на языке html и имя такого файла имеет расширение html. Значит,

p, blockquote 11,0,0,0,0 —>

файл c именем тест.html имеет формат html.

Операционная система Windows по умолчанию скрывает расширения файлов (то есть, форматы файлов). Программисты сделали это «не со зла», а для того, чтобы уберечь пользователя от бездумного изменения расширений файлов. Можно сделать так, чтобы по умолчанию расширения файлов были открыты. В Windows 7 для этого:
- кликаем по кнопке Пуск,
- открываем Панель управления,
- находим Параметры папок,
- открываем вкладку Вид, прокручиваем в самый низ и
- убираем галочку напротив опции «Скрывать расширения для зарегистрированных типов файлов»,
- жмем «ОК».
Если сейчас Вы поднимите глаза вверх и посмотрите в адресную строку своего браузера, то увидите там имя той страницы, которую сейчас читаете, а в конце имени стоит .html. Это пример html страницы блога, которая размещена в Интернете. Обычно у блога (у сайта) много html страниц. Например, каждая статья на этом блоге является отдельной html страницей.

p, blockquote 14,0,0,0,0 —>

В Интернете также встречаются сайты-одностранички, состоящие всего из одной html страницы. Например, это может быть
- интернет-визитка человека или фирмы, либо
- страница, продающая через Интернет какой-либо товар или услугу.
Язык HTML постоянно развивается и на сегодняшний день существует несколько его версий, начиная от HTML 2.0 от 22 сентября 1995 года и заканчивая последней версией языка HTML 5 от 28 октября 2014 года. В сентябре 2016 года планируется выпуск HTML 5.1.

p, blockquote 16,0,0,0,0 —>

Что такое HTML теги

HTML – это язык разметки документов с помощью тегов. Теги заключаются в треугольные скобки «< >». Теги могут быть парными и непарными.
- Например, тег «b», заключенный в треугольные скобки, делает текст жирным
<b>текст, выделенный жирным</b>

p, blockquote 18,0,0,0,0 —>

В результате получится так: текст, выделенный жирным
- А тег «i» делает текст курсивным.
<i>текст, выделенный курсивом</i>

p, blockquote 20,1,0,0,0 —>

В результате получим: текст, выделенный курсивом
- Есть еще тег для перевода строки «br».
- С помощью тега «a href» выделяют гиперссылку.
- Тег для заголовка документа – <head>. Это тег, открывающий документ. Он является парным в том смысле, что для него обязательно нужен закрывающий тег со слешем </head>.
- После заголовка идет основная часть, которая находится между открывающим тегом <body> и закрывающим тегом </body>. Этот тег так же, как тег head, является парным: его нужно открыть и не забыть закрыть.
В парных тегах закрывающий тег со слешем необходим по той причине, что он отменяет (точнее, корректно завершает) действие открывающего тега.

p, blockquote 22,0,0,0,0 —>

Тегов HTML существует много, в Интернете можно без труда найти учебники HTML.

p, blockquote 23,0,0,0,0 —>

Как создать html файл

Создать самостоятельно html страницу (или html файл) на своем компьютере и запустить свое творение в браузере очень просто.

p, blockquote 24,0,0,0,0 —>

1) Открываем Блокнот (простой текстовый редактор, который входит в состав Windows). Его можно найти на своем компьютере, введя в строку Поиск запрос: Блокнот.

p, blockquote 25,0,0,0,0 —>

2) Копируем и вставляем в Блокнот следующий текст:

p, blockquote 26,0,0,0,0 —>

3) Важный момент, без которого html файл не будет работать: в Блокноте сохраняем файл строго(!) в формате html, как показано на скриншоте. Файл можно для простоты сохранить на Рабочем столе на своем компьютере.

p, blockquote 28,0,0,0,0 —> Рис. 2. Обращаем внимание на Тип файла и сохраняем файл в формате html

1 на рис. 2 – Кликаем «Рабочий стол», чтобы там сохранить html файл.
2 на рис. 3 – Открываем выпадающее меню напротив «Тип файла».
3 – В этом меню выбираем «Все файлы».
4 – вводим любое имя (у меня 001) и после точки обязательно(!) вводим html.
5 на рис. 2 – жмем «Сохранить».

p, blockquote 29,0,0,0,0 —>

4) На Рабочем столе находим файл 001.html:

p, blockquote 30,0,0,1,0 —> Рис. 3. Html файл на Рабочем столе

У меня браузером по умолчанию является Google Chrome, поэтому значок у файла имеет вид значка этого браузера. Если будет другой браузер по умолчанию, то у файла 001.html будет другой значок.

p, blockquote 31,0,0,0,0 —>

Кликаем по файлу (рис. 3) 2 раза мышкой и в итоге видим в браузере свою первую страницу на html:

p, blockquote 32,0,0,0,0 —> Рис. 4. Проверка, как выглядит html страница в браузере

Таким образом, у нас получилась локальная страница html в том смысле, что она доступна только с вашего, локального компьютера. Чтобы страница была доступна другим, надо ее загрузить в Интернет. Точнее, разместить на хостинге, который доступен всегда: 24/7/365 (24 часа в сутки, 7 дней в неделю, весь год). Тогда такую страницу сможет увидеть каждый пользователь Интернета.

p, blockquote 33,0,0,0,0 —>

Так что html довольно интересный язык, и если в будущем Вы думаете создавать и вести собственный сайт или блог, то желательно знать хотя бы минимальный набор тегов, используемых в языке html.

p, blockquote 34,0,0,0,0 —>

Видео: Что такое html и как создать html файл

p, blockquote 35,0,0,0,0 —>

p, blockquote 36,0,0,0,0 —>

p, blockquote 37,0,0,0,0 —>

p, blockquote 38,0,0,0,0 —>

p, blockquote 39,0,0,0,0 —> p, blockquote 40,0,0,0,1 —>

Статья опубликована 23 июля 2016 года.
Последнее обновление 10 июня 2022 г.

Как создать HTML файл

Файлы HTML определяют структуру веб-страницы. Таким образом, чтобы создать веб-страницу, самый первый шаг — написать для нее файл HTML. В этой статье вы узнаете, как создать HTML-файл с нуля.

Что такое HTML-документ

Документ HTML — это простой текстовый файл с расширением .html или .htm . Между ними почти нет разницы, но .html встречается чаще.

Этот текстовый файл содержит информацию, которую браузеры используют для создания структуры веб-страницы.

Инструменты, которые нам нужны

Теперь вопрос в том, какой инструмент нам нужен для создания HTML-файла.

Самый простой способ — использовать обычный текстовый редактор, например текстовый редактор по умолчанию в вашей операционной системе.

Расширенные текстовые редакторы и IDE, такие как Visual Studio Code, Sublime, Atom или Bracket, могут помочь вам с подсказками синтаксиса и выделением ошибок. Вы можете использовать их для написания сложного HTML-кода и управления им.

Эти расширенные текстовые редакторы можно загрузить и использовать бесплатно, и они доступны для всех популярных операционных систем, таких как Windows, Linux и macOS.

Шаги по созданию HTML-документа

А теперь попрактикуемся. Давайте создадим простой HTML-документ.
- Запустите текстовый редактор по вашему выбору и создайте новый текстовый документ.
- Поместите в него несколько HTML-тегов. Если вы не знакомы с синтаксисом HTML, вы можете скопировать и вставить приведенный ниже код в новый пустой документ. О тегах мы узнаем позже. А сейчас давайте сосредоточимся на создании документа
- Когда вы закончите писать код, самое время сохранить документ. При сохранении документа вы можете дать любое имя, использовать .html или .htm в качестве расширения и UTF-8 в качестве системы кодировки символов (если потребуется).
Проверьте HTML-документ с помощью браузера

После сохранения файла мы можем убедиться, что он работает.

Перейдите в место, где вы сохранили файл. Найдя файл, дважды щелкните его, чтобы открыть веб-браузер по умолчанию в вашей операционной системе.

В результате вы должны увидеть пустую страницу с заголовком «Пример веб-страницы» и одним абзацем в ней «Hello World!» .

Спасибо, что дочитали до конца!

Это все что касается создания HTML-файла. Теперь вы можете начать изучать различные HTML-теги и атрибуты, которые мы можем использовать в HTML-документах.
Похожие публикации: