Den semantiske HTML er markeringen som bruker HTML for å styrke semantikken (som betyr) informasjonen som finnes på websidene , det vil si deres betydning i stedet for bare å definere presentasjonene (eller utseendet). Semantisk HTML håndteres av vanlige nettlesere , men også av mange andre brukeragenter . Språket CSS brukes til å foreslå hvilken form det vil bli presentert for menneskelige brukere.
For eksempel fraråder nylige HTML-spesifikasjoner bruken av koden <i>, som indikerer en kursiv skriftstil, til fordel for semantisk mer presise koder, for eksempel <em>som indikerer vekt. Det er CSS-stilarket som deretter spesifiserer om denne vektleggingen er representert med en kursiv stil, en fet stil, en understreket, langsommere eller høyere uttale osv. Bruk av kursiv er ikke begrenset til å fremheve. Den brukes også til å sitere kilder, og for dette tilbyr HTML 4 koden <cite>. Kursiv kan også brukes til fremmedspråklige ord eller uttrykk, samt lånord. Webdesignere kan bruke attributtene innebygd i XHTML eller spesifisere sin egen semantiske markering ved å velge passende navn for attributtverdien til classHTML-elementer (for eksempel class="emprunt"). Hvis du merker vekt, sitater og lån, kan webagenter (eller brukeragenter) som søkemotorer og annen programvare nøyaktig vurdere viktigheten av tekst.
HTML har inkludert semantiske koder siden oppstarten. I et HTML-dokument kan forfatteren blant annet "starte med en tittel, legge til avsnitt og signaturer, legge vekt på tekst, legge til bilder og lenker til andre sider, og bruke forskjellige typer lister". På et tidspunkt HTML inkludert tekstpresentasjons koder, for eksempel <font>, <i>og <center>. Det er også semantisk nøytrale koder: <div>og <span>. Siden 1990-tallet og fremveksten av CSS i de fleste nettlesere, har webdesignere blitt oppfordret til å unngå bruk av presentasjons HTML-koder, med tanke på separasjon av presentasjon og innhold samt separasjon av presentasjon og innhold.
I 2001 deltok Tim Berners-Lee i en semantisk nettdiskusjon , hvor det ble foreslått at "agenter" av kunstig intelligens en dag automatisk kunne søke på nettet og finne, filtrere og korrelere fakta uten tidligere forhold publisert til fordel for sluttbrukere. Selv nå eksisterer disse agentene ikke, men noen av ideene til Web 2.0 , Composite Application og Price Comparison- nettsteder kan eksistere snart. Hovedforskjellen mellom disse hybridene til webapplikasjoner og Berners-Lee semantiske agenter er at informasjonsaggregering og nåværende hybridisering vanligvis er designet av webutviklere som allerede kjenner nettadresser og webadresser. API-semantikk spesifikk for dataene de vil skanne, sammenligne og kombinere.
En fremtredende type web agent som kryper og leser nettsider automatisk, uten forutgående kunnskap om hva det kan finne, er Search Engine Index Robot . Disse programvareagentene er avhengige av den semantiske klarheten til nettstedene de finner, ettersom de bruker forskjellige teknikker og algoritmer for å lese og indeksere millioner av nettsteder per dag og tilby søkeverktøy til nettbrukere.
For at søkemotorer skal kvalifisere betydningen av tekster som finnes i HTML-dokumenter, og også for sammensatte applikasjoner og andre agenter, så vel som for agenter som er enda mer automatiserte etter hvert som de utvikler seg, må semantiske strukturer brukes på en enhetlig måte for å avsløre betydningen av de publiserte tekstene.
Selv om det faktiske semantiske nettet kan være avhengig av komplekse RDF- og metadata- ontologier , gir alle HTML-dokumenter sitt bidrag til forståelsen av nettet gjennom riktig bruk av titler, lister og annen semantisk markering, uansett hvor det er mulig. Denne enkle bruken av HTML kalles "Plain Old Semantic HTML" eller POSH. Riktig bruk av fyrtårn i Web 2.0 skaper folkeøkonomi som i noen tilfeller kan være veldig viktig. HTML5 har opprettet nye semantiske koder, for eksempel artikkel, bunntekst, fremgang og nav som vil være i vanlig bruk på nettsteder i fremtiden.
Presentasjonskoder blir ikke utfaset i gjeldende HTML (4.01) og XHTML, men er kontraindisert. I HTML 5 er noen av disse elementene, slik som <i>og <b>beholder sin betydning, men har blitt definert "som stilistisk irrelevante for vanlig prosa, uten ytterligere innspill".
I tilfelle et dokument krever mer presis semantikk enn det som er inkludert i HTML alene, kan deler av dokumentet inneholde elementer spaneller div, fullført av klasser med relevante navn. Disse klassenavnene er i beste fall suggestive snarere enn veiledende, med mindre de tidligere er delt av skaperen og forbrukeren av innholdet, slik som <span class="author">og <div class="invoice">. Når disse klassenavnene også utgjør en identifiserende del i et skjema, kan de referere til en mer presis betydning. De Microformats formalisere denne tilnærmingen til semantikk i HTML.
En viktig begrensning i denne tilnærmingen er at en slik markering basert på inkludering av elementer må oppfylle HTML-rettighetens vilkår. Hovedarkitekturen til disse dokumentene (trestruktur) innebærer at bare balanserte deler som kommer fra et undertreet kan merkes på denne måten. En måte å merke en hvilken som helst del av HTML på, vil kreve en mekanisme uavhengig av selve markeringsstrukturen, for eksempel XPointer .
Riktig bruk av semantisk HTML forbedrer også tilgjengeligheten av dokumenter på Internett. For eksempel, når en skjermleser eller en lydleser riktig kan opprette strukturen til et dokument, vil de ikke kaste bort tiden til brukere med nedsatt visning som leser irrelevant eller repeterende informasjon hvis den allerede er merket riktig.
I 2010 rapporterte Google at systemene i fremtiden vil bruke tre former for strukturerte metadata for å finne strukturert semantisk innhold på websider. Denne informasjonen, når den er relatert til artikler, profiler, profesjonelle lister eller arrangementer, vil bli brukt av Google for å berike utdragene som vises under tittelen på sidene gitt som et resultat. Google kunngjorde at disse dataene kan leveres som mikrodata , nøkkelord for mikroformat eller ved bruk av RDFa- syntaks . Mikrodata er spesifisert i attributter itemtypeog itemproplagt til eksisterende HTML-elementer; mikroformat nøkkelord legges til attributter classsom forklart tidligere; og RDFa kaller på attributter rel, typeofog propertylegges til eksisterende elementer. For å kontrollere gyldigheten av markeringen har Google implementert et verktøy som heter "Rich Snippet Tool"