关于语义网络

去年夏天，读了O’Reilly出版的《HTML与XHTML权威指南》，算是对互联网有了更好的理解。最近有翻了《Joel谈软件》上的一篇帖子，讲Tim Berners Lee的万维网发明初衷，也很有心得。

首先，SGML是个伟大到近乎巴别塔的设想，涵盖了各种各样的符号语言，但紧接着的问题是，这么野心勃勃的计划不是实现起来困难，而是搞明白想要干什么都很难了。于是，我们需要一种解决手头问题的工具，SGML的超子集HTML，超文本标记语言。

观看HTML从诞生到将要推出的第五版之间的差异，就能看到在这一段时间中设计者思路的变化。首先，开始的文档并不复杂，我们想要的效果与一般的文字处理差别不大：段落、标题、引用、强调和字体。但很快，我们就能发现语义与格式存在矛盾。我们感知到的文本是所要表达思想的表层结构，而其中蕴含的意思是其深层结构。这时，我们就会发现，相同的表层结构可能对应了不同的深层结构，比如同样是排成斜体字，当我们使用<i>标签时，仅表示斜体，但<cite>却表示引用。对于人类用户，除非观看源代码，否则只能从上下文中推知这一斜体的含义，但对于计算机阅读，两种文本却有着完全不同的意义。制作人员需要更丰富的特性以求美化网页，但杂乱无章的页面代码则维护困难、难于索引、充满了冗余代码。

尽管HTML也和其他计算机技术一样，不得不面临向下兼容的问题，因此，包含了很多来自“传统”的标记，但趋势上看，那些仅是为了使人类观看方便美观的设计，尽量从其中消失，让位给级联样式表（CSS），而留给HTML标记的将是纯粹的语义。鉴于此，最好的搜索引擎优化不是加一大堆热门关键字，而是尽量编写符合语义规范的文档。这既有利于计算机索引，有可以方便的进行排版样式。把字体、段落等要素用CSS处理，而XML则负担着处理元信息（对文本内信息的进一步描述，信息的信息）的任务。语义网络的理想也即是，所有信息都界尽量定良好，方便计算机识别分析，方便人类用户读取（考虑两种信宿的不同特点），每一段信息（段的概念因时而定）对应一个URL，所有信息通过TCP/IP协议传输。

这对一般博客作者的要求其实也不难——文章写清晰，不要为了所谓的好看胡乱排版，尤其是没有必要的字体变化等。 最好加上关键词，区分引用和正文，等等。但实际上，我们已经看到太多恶心的页面了。我对页面的标准是能够用lynx浏览没有太大困难，就是成功了。

看起来不过是文章排版的技术，之所以引人兴奋，在于它指出了一条通向巴别塔图书馆的路径。及由此，我们可以构建包含各种信息而且易于索引和查询的知识库。近来制定中的HTML5标准也包含了令人兴奋的特性，为多媒体提供了标记，并且对网页结构不再是使用<div>来划分，可以直接使用<header>这一类的标签。语义网络的梦想无疑更进了一步。