1.4　网页的文本内容

元素中包含的文本可能是网页上最基本的成分。如果你用过文字处理软件，那么你一定输入过文本。不过，HTML页面中的文本有一些重要的差异。

首先，浏览器呈现HTML时，会把多个空格或制表符压缩成单个空格，并把回车和换行符转换成单个空格，或者将它们一起忽略，如图1.4.1和图1.4.2所示。

  1. <p>I am continually <em>amazed</em> at the beautiful,    delicate Blue Flax that somehow took hold in my garden.
  3. They are awash in       color every morning, yet not a single flower remains by the afternoon.
  7. They are the very definition of ephemeral.</p>
  8. <p>&copy; Blue Flax Society.</p>

图1.4.1　页面的文本内容（粗体部分）几乎就是标记以外的所有东西。在这个例子里面，注意每个句子都至少包含一个回车，有的词之间隔了好几个空格（为了说明对回车和空格的压缩）。另外，这里还包含一个表示版权符号的特殊字符引用（©），这样做可以确保无论以哪种编码方式保存这份文档，这个符号都会被正确地显示

1.4　网页的文本内容 - 图1

图1.4.2　注意，在使用浏览器查看这份文档时，多余的回车和空格都被忽略了，字符引用被替换成了对应的符号（©）

其次，HTML过去只能使用ASCII字符。ASCII只包括英语字母、数字和少数几个常用的符号。重音字符（在很多西欧语言中很常见）和许多日常符号必须用特殊的字符引用来创建，如é（表示é）、©（表示©）等。完整列表见www.elizabethcastro.com/html/extras/entities.html。

Unicode大大减轻了特殊字符问题的负担。用UTF-8对页面进行编码（如基本页面那样，参见图1.4.3），并用同样的编码保存HTML文件（参见2.3节）已成为一种标准做法。推荐你也这样做。

  1. <!DOCTYPE html>
  2. <html lang="en">
  3. <head>
  4.      <meta charset="utf-8" />
  5.      <title>Blue Flax (Linum lewisii)</title>
  6. </head>
  7. <body>
  8. ...
  9. </body>
  10. </html>

图1.4.3　直接在head开始标记后面指明文档的字符编码。charset属性用以设置编码类型

由于Unicode是ASCII的超集（它包含ASCII中的所有字符，还包含许多其他的字符），因此用Unicode编码的文档与现有的浏览器和编辑器都兼容（特别旧的除外）。不理解Unicode的浏览器会正确地解释文档的ASCII部分，而理解Unicode的浏览器还会显示非ASCII部分。即便如此，有时还是会使用字符引用，如版权符号（因为©既好记又好输入），如图1.4.1所示。