page/48544D4C.ns/B6F5C7F2.txt



[2] HTML 4 <IW:HTML4:"struct/text.html#whitespace">
は、次を[DFN[[RUBYB[[[空白]]] [white space]]文字]]としています。
- [[ASCII]] [[間隔]] ([CODE(char)[U+0020]] [CODE(char)[[[SPACE]]]]))
- ASCII [[タブ]] ([CODE(char)[U+0009]] [CODE(char)[HORIZONTAL TAB]])
- ASCII [[改頁]] ([[書式送り]]) ([CODE(char)[U+000C]] [CODE(char)[FORM FEED]])
- [[零幅間隔]] ([CODE(char)[U+200C]] [CODE(char)[ZERO-WIDTH SPACE]])
- [RUBYB[[[改行]]] [line break]]
-- [[復帰]] ([CODE(char)[U+000D]] [CODE(char)[CARRIAGE RETURN]])
-- 改行 ([[行送り]]) ([CODE(char)[U+000A]] [CODE(char)[LINE FEED]])
-- 復帰改行組 ([CODE(char)[[[CRLF]]]])

です。 HTML 4 の[[文書文字集合]]には他にも定義によっては空白文字に属する[[文字]]が色々含まれていますが、
HTML 4 の空白は上記だけです。
HTML 4 仕様書は、他の種類の空白の扱いについては規定せず、
[[著者]]は空白制御のためには適切な[[要素]]や[[スタイル]]を使うべき (should)
としています。

[3] [CODE(HTMLe)[[[pre]]]] 以外の HTML 要素では、
空白が「[DFN[語]]」を分離します。
(ここで、語とは、非空白文字の連続体のことです。)
[[UA]] は、[[書式付け]]に際して、その[[言語]]・[[用字系]]および対象[[媒体]]の慣習に従って語を識別し、これを配置するべきです
(should)。

語間に間隔 ([DFN[[RUBYB[語間] [inter-word]]間隔]]) を挿入すると見た目が向上するかもしれません。
しかし、間隔の取り方に関する慣習は言語・用字系により種々です。
HTML 4 仕様書が挙げている例では、
- [[ラテン文字]]では間隔を挿入する
- [[タイ文字]]では零幅間隔を挿入する
-- 注: [[タイ語]]は、日本語や中文のように語間間隔を入れずに表記します。
だけど零幅間隔を使えば単語境界を機械的に識別できるじゃん! という文脈でよく例になります。
(しかしながら、 [[TIS620]] には零幅間隔はないと思うし、本当に使われているんだか。)
- [[日本語]]や[[中文]]では全く語間間隔を表示しない

[[原始文書]]中の空白列は、全く異なって[[レンダリング]]されるかもしれないことに注意が必要です。
UA は、原始文書中の空白列をレンダリングするときにはまとめて1つ分の語間間隔にするべきです。
これは、自然言語情報 ([CODE(HTMLa)[[[lang]]]] 属性や上位プロトコルからの値)
が得られないときでも行うことができ、また行うべき
(can & should) とされています。
空白が重要なときには、 [CODE(HTMLe)[pre]] 要素型を使います。

[4] [[SGML]] の規定や既存 UA 実装の問題から、
[[開始タグ]]直後や[[終了タグ]]直前の空白が表示されることを当てにするべきではありません
(should not)。

たとえば、 [SAMP(HTML)[I <a>love</a> you.]]
を [SAMP(HTML)[I<a> love </a>you.]] と書いてしまうと、
意図とは異なることが多いでしょう。

SGML の問題は、[[記録開始]]や[[記録終了]]の無視に関する規則のことで、
[[タグ]]の前後に改行があるときに注意が必要です。
詳しくは [CODE(SGML)[[[SGML//空白]]]]を参照。

[[#comment]]


* FORM FEED

[5] HTML 4 は、 >>2 の通り、 [CODE(char)[U+000C]]
[CODE(char)[FORM FEED]] ([[改頁]]) を空白の一種としています。

ところが、 HTML 4 の [[SGML宣言]]
<http://www.w3.org/TR/html4/sgml/sgmldecl.html>
は、 [CODE(char)[U+000C]] を [CODE(SGML)[[[UNUSED]]]]
としています。もちろん [CODE(SGML)[[[s]]]] にも含まれません。

SGML 宣言を信じるとすると、 [CODE(char)[U+000C]]
は HTML 4 では使用できず、 >>2 の規定は無駄になります。

[6] ''XHTML 1.0 C.15. White Space Characters in HTML vs. XML'' <http://www.w3.org/TR/xhtml1/#C_15>
は、 HTML では [CODE(char)[U+000C]]
を使えるが、 XHTML では使えないと言っています。

[7] 本文が正しく、 [CODE(char)[U+000C]] が使えたとしても、
[CODE(SGML)[s]] には含まれないので、 HTML 文書の本文では >>2
の通りの扱いを受けますが、 SGML 的には空白として使えません
(例えば[[属性指定]]の間には使えません)。

[[#comment]]


* ZWSP

[8] [CODE(char)[U+200C]] [CODE(char)[ZERO-WIDTH SPACE]]
は >>2 の通り HTML で空白として扱われます。
しかし、 SGML 宣言によれば、 [CODE(SGML)[s]]
には含まれません。ですから、 HTML 文書の本文では >>2
の通りの扱いを受けますが、 SGML 的には空白として使えません
(例えば属性指定の間には使えません)。

[[#comment]]


* タグ前後の空白

[9] SGML の規定により、[[開始タグ]]直後と[[終了タグ]]直前の改行は全要素
([CODE(HTMLe)[[[pre]]]] や [CODE(HTMLe)[[[textarea]]]] を含みます。) 
で例外なく無視されます。

HTML 4 [CITE[B.3.1 Line breaks]]
<IW:HTML4:"appendix/notes.html#notes-line-breaks">

例 [SRC[HTML 4 B.3.1]]: 次の2段落は同じ内容です。
[PRE(HTML)[
<P>Thomas is watching TV.</P>
<P>
Thomas is watching TV.
</P>
]PRE]

なお、 [[XHTML]] ではこの規定は適用されません。2つ目の段落の内容は改行を含みます。

詳しくは [[SGML//空白]]をご覧下さい。


[10]
>>9 HTML 4 附属書 B (参考) には[Q[すべての要素で例外なく]]なんて書いてありますが、
実際には[[強制空要素]]が例外になりますし、要素が [[DTD]] の[[添加要素指定]]に該当するか否かや改行が
[CODE(char)[[[CR]]]] か [CODE(char)[[[LF]]]] か両方かその他かで細かいところが変わってきます。
(その他なら無視されません。)

(XHTML はやっぱりこの問題はありません。 
[[XML]] では実体を読んだら最初に改行を正規化してしまいますから。)
([[名無しさん]])


[[#comment]]


* メモ
1	wakaba	1.3
2
3			[2] HTML 4 <IW:HTML4:"struct/text.html#whitespace">
4			は、次を[DFN[[RUBYB[[[空白]]] [white space]]文字]]としています。
5			- [[ASCII]] [[間隔]] ([CODE(char)[U+0020]] [CODE(char)[[[SPACE]]]]))
6			- ASCII [[タブ]] ([CODE(char)[U+0009]] [CODE(char)[HORIZONTAL TAB]])
7			- ASCII [[改頁]] ([[書式送り]]) ([CODE(char)[U+000C]] [CODE(char)[FORM FEED]])
8			- [[零幅間隔]] ([CODE(char)[U+200C]] [CODE(char)[ZERO-WIDTH SPACE]])
9			- [RUBYB[[[改行]]] [line break]]
10			-- [[復帰]] ([CODE(char)[U+000D]] [CODE(char)[CARRIAGE RETURN]])
11			-- 改行 ([[行送り]]) ([CODE(char)[U+000A]] [CODE(char)[LINE FEED]])
12			-- 復帰改行組 ([CODE(char)[[[CRLF]]]])
13
14			です。 HTML 4 の[[文書文字集合]]には他にも定義によっては空白文字に属する[[文字]]が色々含まれていますが、
15			HTML 4 の空白は上記だけです。
16			HTML 4 仕様書は、他の種類の空白の扱いについては規定せず、
17			[[著者]]は空白制御のためには適切な[[要素]]や[[スタイル]]を使うべき (should)
18			としています。
19
20			[3] [CODE(HTMLe)[[[pre]]]] 以外の HTML 要素では、
21			空白が「[DFN[語]]」を分離します。
22			(ここで、語とは、非空白文字の連続体のことです。)
23			[[UA]] は、[[書式付け]]に際して、その[[言語]]・[[用字系]]および対象[[媒体]]の慣習に従って語を識別し、これを配置するべきです
24			(should)。
25
26			語間に間隔 ([DFN[[RUBYB[語間] [inter-word]]間隔]]) を挿入すると見た目が向上するかもしれません。
27			しかし、間隔の取り方に関する慣習は言語・用字系により種々です。
28			HTML 4 仕様書が挙げている例では、
29			- [[ラテン文字]]では間隔を挿入する
30			- [[タイ文字]]では零幅間隔を挿入する
31			-- 注: [[タイ語]]は、日本語や中文のように語間間隔を入れずに表記します。
32			だけど零幅間隔を使えば単語境界を機械的に識別できるじゃん! という文脈でよく例になります。
33			(しかしながら、 [[TIS620]] には零幅間隔はないと思うし、本当に使われているんだか。)
34			- [[日本語]]や[[中文]]では全く語間間隔を表示しない
35
36			[[原始文書]]中の空白列は、全く異なって[[レンダリング]]されるかもしれないことに注意が必要です。
37			UA は、原始文書中の空白列をレンダリングするときにはまとめて1つ分の語間間隔にするべきです。
38			これは、自然言語情報 ([CODE(HTMLa)[[[lang]]]] 属性や上位プロトコルからの値)
39			が得られないときでも行うことができ、また行うべき
40			(can & should) とされています。
41			空白が重要なときには、 [CODE(HTMLe)[pre]] 要素型を使います。
42
43			[4] [[SGML]] の規定や既存 UA 実装の問題から、
44			[[開始タグ]]直後や[[終了タグ]]直前の空白が表示されることを当てにするべきではありません
45			(should not)。
46
47			たとえば、 [SAMP(HTML)[I <a>love</a> you.]]
48			を [SAMP(HTML)[I<a> love </a>you.]] と書いてしまうと、
49			意図とは異なることが多いでしょう。
50
51			SGML の問題は、[[記録開始]]や[[記録終了]]の無視に関する規則のことで、
52			[[タグ]]の前後に改行があるときに注意が必要です。
53			詳しくは [CODE(SGML)[[[SGML//空白]]]]を参照。
54
55			[[#comment]]
56
57
58			* FORM FEED
59
60			[5] HTML 4 は、 >>2 の通り、 [CODE(char)[U+000C]]
61			[CODE(char)[FORM FEED]] ([[改頁]]) を空白の一種としています。
62
63			ところが、 HTML 4 の [[SGML宣言]]
64			<http://www.w3.org/TR/html4/sgml/sgmldecl.html>
65			は、 [CODE(char)[U+000C]] を [CODE(SGML)[[[UNUSED]]]]
66			としています。もちろん [CODE(SGML)[[[s]]]] にも含まれません。
67
68			SGML 宣言を信じるとすると、 [CODE(char)[U+000C]]
69			は HTML 4 では使用できず、 >>2 の規定は無駄になります。
70
71			[6] ''XHTML 1.0 C.15. White Space Characters in HTML vs. XML'' <http://www.w3.org/TR/xhtml1/#C_15>
72			は、 HTML では [CODE(char)[U+000C]]
73			を使えるが、 XHTML では使えないと言っています。
74
75			[7] 本文が正しく、 [CODE(char)[U+000C]] が使えたとしても、
76			[CODE(SGML)[s]] には含まれないので、 HTML 文書の本文では >>2
77			の通りの扱いを受けますが、 SGML 的には空白として使えません
78			(例えば[[属性指定]]の間には使えません)。
79
80			[[#comment]]
81
82
83			* ZWSP
84
85			[8] [CODE(char)[U+200C]] [CODE(char)[ZERO-WIDTH SPACE]]
86			は >>2 の通り HTML で空白として扱われます。
87			しかし、 SGML 宣言によれば、 [CODE(SGML)[s]]
88			には含まれません。ですから、 HTML 文書の本文では >>2
89			の通りの扱いを受けますが、 SGML 的には空白として使えません
90			(例えば属性指定の間には使えません)。
91
92			[[#comment]]
93
94
95			* タグ前後の空白
96
97			[9] SGML の規定により、[[開始タグ]]直後と[[終了タグ]]直前の改行は全要素
98			([CODE(HTMLe)[[[pre]]]] や [CODE(HTMLe)[[[textarea]]]] を含みます。)
99			で例外なく無視されます。
100
101			HTML 4 [CITE[B.3.1 Line breaks]]
102			<IW:HTML4:"appendix/notes.html#notes-line-breaks">
103
104			例 [SRC[HTML 4 B.3.1]]: 次の2段落は同じ内容です。
105			[PRE(HTML)[
106			<P>Thomas is watching TV.</P>
107			<P>
108			Thomas is watching TV.
109			</P>
110			]PRE]
111
112			なお、 [[XHTML]] ではこの規定は適用されません。2つ目の段落の内容は改行を含みます。
113
114			詳しくは [[SGML//空白]]をご覧下さい。
115
116
117			[10]
118			>>9 HTML 4 附属書 B (参考) には[Q[すべての要素で例外なく]]なんて書いてありますが、
119			実際には[[強制空要素]]が例外になりますし、要素が [[DTD]] の[[添加要素指定]]に該当するか否かや改行が
120			[CODE(char)[[[CR]]]] か [CODE(char)[[[LF]]]] か両方かその他かで細かいところが変わってきます。
121			(その他なら無視されません。)
122
123			(XHTML はやっぱりこの問題はありません。
124			[[XML]] では実体を読んだら最初に改行を正規化してしまいますから。)
125			([[名無しさん]])
126
127
128			[[#comment]]
129
130
131	wakaba	1.2	* メモ