Le XHTML, pour eXtensible HyperText Markup Language, est un langage de description de pages web qui reprend le vocabulaire du HTML, avec ses titres, paragraphes, liens et images, mais l'écrit selon les règles strictes du XML. Recommandé par le W3C, l'organisme qui élabore les standards du Web, le 26 janvier 2000, il devait mettre fin à une époque où les pages étaient souvent mal construites et où chaque navigateur les interprétait à sa façon. Le principe était simple : un document XHTML doit être bien formé, c'est-à-dire que chaque balise ouverte est refermée, que les éléments sont correctement imbriqués, que les noms sont écrits en minuscules et que les valeurs des attributs figurent entre guillemets. En échange de cette discipline, la page devient lisible par tous les outils capables de traiter du XML, ce qui facilite la validation automatique, la transformation des contenus et leur affichage sur des appareils variés, des ordinateurs aux premiers téléphones mobiles connectés. Très en vogue dans les années 2000 auprès des défenseurs des standards, le XHTML a ensuite été supplanté par HTML5, plus tolérant. Il a pourtant laissé un héritage durable dans les habitudes des développeurs et survit dans plusieurs formats spécialisés, comme les livres numériques.
Qu'est-ce que le XHTML ? Définition du format
Pour comprendre le XHTML, il faut le situer entre ses deux parents. Le HTML, inventé au début des années 1990, est le langage de balisage qui décrit la structure d'une page web : des balises comme <p> pour un paragraphe ou <img> pour une image encadrent le contenu. Il s'est toujours montré très permissif, les navigateurs corrigeant d'eux-mêmes les oublis et les erreurs. Le XML, publié par le W3C en 1998, est quant à lui un métalangage, c'est-à-dire un cadre générique qui permet de créer ses propres balises pour décrire n'importe quel type de données, avec une syntaxe rigoureuse que les programmes peuvent analyser sans ambiguïté. Le XHTML 1.0 est défini comme une reformulation de HTML 4.01 en XML : il conserve les mêmes éléments et la même signification, mais impose la grammaire du XML. Concrètement, un document XHTML est à la fois une page web affichable par un navigateur et un fichier XML valide, que l'on peut lire, vérifier et transformer avec des outils standard. Chaque page déclare d'ailleurs un espace de noms, une adresse qui identifie le vocabulaire utilisé, et une déclaration de type de document, appelée DOCTYPE, qui précise la variante employée.
Les règles d'écriture du XHTML
Les contraintes du XHTML tiennent en quelques principes faciles à retenir. Toutes les balises doivent être fermées, y compris les éléments vides, qui s'écrivent avec une barre oblique finale : <br />, <img /> ou <input />. Les noms d'éléments et d'attributs s'écrivent en minuscules, car le XML est sensible à la casse : <DIV> et <div> y désignent deux choses différentes. Les valeurs d'attributs figurent toujours entre guillemets, simples ou doubles, et un attribut ne peut pas être « minimisé » : là où le HTML acceptait checked seul, le XHTML exige checked="checked". Les balises ne doivent jamais se chevaucher, et le document doit comporter un élément racine unique, la balise html, qui englobe tout le reste. Enfin, certains caractères spéciaux, comme l'esperluette, doivent être écrits sous forme d'entités. Le petit document ci-dessous, complet et valide, montre à quoi ressemble une page XHTML 1.0 Strict : on y retrouve la déclaration XML facultative, le DOCTYPE, l'espace de noms et l'indication de l'encodage des caractères.
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN"
"http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">
<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="fr">
<head>
<title>Page XHTML</title>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
</head>
<body>
<h1>Bienvenue</h1>
<p>Ceci est une page au format XHTML.</p>
<img src="image.jpg" alt="Illustration" />
</body>
</html>Comment vérifier qu'une page XHTML est valide ?
L'un des grands arguments en faveur du XHTML était la possibilité de contrôler automatiquement la qualité d'une page. Il faut distinguer deux niveaux d'exigence. Un document est dit bien formé lorsqu'il respecte la grammaire générale du XML : balises fermées, correctement imbriquées, attributs entre guillemets, élément racine unique. N'importe quel analyseur XML, appelé parseur, peut le vérifier en une fraction de seconde. Un document est dit valide lorsqu'il respecte en plus les règles propres au vocabulaire XHTML décrites dans la DTD : pas de paragraphe à l'intérieur d'un titre, pas d'attribut inventé, des éléments placés au bon endroit. Le W3C met à disposition depuis longtemps un service de validation en ligne gratuit, dans lequel on colle une adresse ou un fichier pour obtenir la liste des erreurs, ligne par ligne. Les éditeurs de code et de nombreux logiciels de création de sites intégraient aussi ce contrôle. Cette culture de la validation a beaucoup contribué à professionnaliser le métier d'intégrateur web au cours des années 2000, en rendant visibles des erreurs que les navigateurs masquaient jusque-là.
D'où vient le XHTML ? Histoire et acteurs du format
À la fin des années 1990, le Web connaît une croissance fulgurante et une « guerre des navigateurs » entre Netscape et Internet Explorer, chacun ajoutant ses propres balises. Les pages sont souvent écrites à la va-vite, et les navigateurs, très tolérants, affichent tant bien que mal du code incorrect, ce qui rend son traitement automatique difficile. Le W3C publie HTML 4.01 en décembre 1999, puis le XHTML 1.0 quelques semaines plus tard, en janvier 2000. Les travaux sont menés par le groupe de travail HTML du W3C, présidé par Steven Pemberton, chercheur au CWI, le centre néerlandais de recherche en mathématiques et informatique, avec la contribution de figures comme Dave Raggett, pionnier du HTML, Dan Connolly ou Shane McCarron, éditeur des spécifications. L'ambition est de faire converger le Web vers la famille XML, alors présentée comme l'avenir des échanges de données. Suivent XHTML Basic, une version allégée pour les appareils mobiles, puis XHTML 1.1 en 2001, découpé en modules. Le projet de XHTML 2.0, qui rompait la compatibilité avec le HTML existant, divise la communauté ; un groupe de fabricants de navigateurs crée en 2004 le WHATWG pour faire évoluer le HTML autrement, et le W3C abandonne XHTML 2.0 en 2009 au profit de HTML5.
Strict, Transitional et Frameset : les variantes du XHTML
Pour faciliter l'adoption du nouveau format, le XHTML 1.0 a été décliné en trois variantes, chacune associée à sa propre définition de type de document, ou DTD, un fichier qui décrit les éléments autorisés et la façon dont ils peuvent s'imbriquer. La version Strict est la plus exigeante : elle interdit les éléments et attributs de présentation hérités du passé, comme la balise font ou l'attribut align, afin de confier toute la mise en forme aux feuilles de style CSS et de réserver le XHTML à la seule structure du contenu. La version Transitional, la plus utilisée à l'époque, tolère ces anciennes pratiques pour permettre aux sites existants de migrer progressivement sans tout réécrire. La version Frameset, enfin, servait aux pages découpées en cadres, une technique qui affichait plusieurs documents dans une même fenêtre et qui est aujourd'hui abandonnée. Le XHTML 1.1 a ensuite repris le principe de la version Strict en le découpant en modules (texte, listes, formulaires, tableaux), que d'autres spécifications pouvaient assembler à la carte. C'est cette modularité qui a donné naissance à des profils adaptés aux appareils limités, comme XHTML Basic.
À quoi servait le XHTML ? Exemples d'utilisation
Au cours des années 2000, le XHTML a été adopté dans plusieurs contextes où la rigueur du code était un atout. De nombreux systèmes de gestion de contenu, comme Joomla!, Drupal ou les premières versions de WordPress, généraient des pages en XHTML Transitional ou Strict, et les sites institutionnels affichaient fièrement le badge « XHTML valide » du W3C, signe de qualité et souvent condition des chartes d'accessibilité. Dans l'univers mobile d'avant les smartphones, la norme WAP 2.0, qui permettait aux téléphones d'accéder à des versions allégées des sites, s'appuyait sur un profil mobile dérivé de XHTML Basic, comme dans le menu ci-dessous. Enfin, parce qu'un document XHTML est du XML, il pouvait être produit ou transformé automatiquement grâce à XSLT, un langage de transformation : une chaîne de publication pouvait ainsi partir d'un fichier de données produit et générer à la fois une fiche web, un catalogue imprimable et un flux pour partenaires. Cette capacité a séduit les éditeurs de documentation technique, les administrations et les plateformes de publication multicanal. Le XHTML a également favorisé l'accessibilité, un code propre étant mieux interprété par les lecteurs d'écran utilisés par les personnes aveugles ou malvoyantes.
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<title>Menu mobile</title>
</head>
<body>
<ul>
<li><a href="produits.xhtml">Produits</a></li>
<li><a href="contact.xhtml">Contact</a></li>
</ul>
</body>
</html>XHTML ou HTML5 : quelles différences ?
La rigueur du XHTML s'est révélée à double tranchant. En théorie, un document servi comme du XML, avec le type application/xhtml+xml, devait être refusé par le navigateur à la moindre erreur : une seule balise mal fermée suffisait à afficher un message d'erreur à la place de la page. Ce comportement, jugé trop brutal pour un Web écrit par des millions de personnes, a conduit la plupart des sites à servir leur XHTML comme du simple HTML, ce qui annulait une bonne partie de ses avantages. Internet Explorer, alors dominant, n'a d'ailleurs reconnu le type XML qu'à partir de sa version 9. HTML5, finalisé par le W3C en 2014 puis devenu un standard vivant maintenu par le WHATWG, a tiré les leçons de cet épisode : il décrit précisément comment traiter les erreurs pour que tous les navigateurs réagissent de la même façon, accepte les deux styles d'écriture et propose toujours une syntaxe XML optionnelle, parfois surnommée XHTML5, pour ceux qui en ont besoin. Le tableau ci-dessous compare les trois approches sur les points essentiels, en gardant à l'esprit que les bonnes pratiques du XHTML restent recommandées en HTML5.
| Critère | HTML 4.01 | XHTML 1.0 | HTML5 |
|---|---|---|---|
| Base syntaxique | SGML, tolérant | XML, strict | Syntaxe propre, plus une variante XML |
| Fermeture des balises | Souvent facultative | Obligatoire | Facultative pour certains éléments |
| Casse des balises | Indifférente | Minuscules imposées | Indifférente, minuscules conseillées |
| Guillemets des attributs | Parfois facultatifs | Obligatoires | Facultatifs dans les cas simples |
| Erreurs de code | Corrigées différemment selon les navigateurs | Bloquantes si servi en XML | Traitement des erreurs normalisé |
| DOCTYPE | Long, avec DTD | Long, avec DTD | Court : <!DOCTYPE html> |
Le XHTML est-il encore utilisé aujourd'hui ?
Le XHTML n'est plus le format de référence pour créer un site web : les nouveaux projets s'écrivent en HTML5, et les outils modernes ne produisent plus de DOCTYPE XHTML. Le format n'a pourtant pas disparu. Les livres numériques au format EPUB, utilisés par la plupart des liseuses en dehors de l'écosystème d'Amazon, sont constitués de pages écrites dans la syntaxe XML de HTML, ce qui en fait l'un des usages les plus répandus du XHTML aujourd'hui. Des chaînes de publication documentaire, des générateurs de documentation technique et certains systèmes embarqués continuent aussi de s'appuyer sur cette syntaxe, précisément parce qu'elle peut être validée et transformée par les outils XML. Surtout, l'esprit du XHTML a durablement marqué les pratiques : fermer ses balises, les écrire en minuscules, mettre les attributs entre guillemets, séparer la structure de la présentation confiée au CSS et valider son code sont devenus des réflexes de qualité, même en HTML5. Enfin, de nombreux documents d'origine XHTML ont transmis l'habitude de déclarer explicitement l'encodage des caractères, aujourd'hui presque toujours l'UTF-8, condition indispensable pour afficher correctement les accents et les caractères de toutes les langues.