我指的不是类似XHTML的代码。我说的是这种疯狂的标记语言，它是完全有效的 HTML (!)
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01//EN">
<html<head>
<title//
<p ltr<span id=p></span</p>
</>
鉴于SGML在这里注入的巨大复杂性，HTML是否是一种无上下文语言？它是否仍然是一种形式语言？有一个文法吗？
那HTML5呢？
我对形式语言的概念还很陌生，请多包容。是的，我已阅读过维基百科文章 ;)
无上下文是语言理论中的一个概念，在解析器实现中具有重要意义。一个无上下文语言可以由一个无上下文文法描述，其中所有规则在箭头左侧只有一个非终止符号：
X→δ
这个简单的限制允许{{X}}在左侧出现的规则的右侧替换为它，而不考虑前面或后面出现了什么。例如，如果在推导或解析时到达以下位置：
αXλ
有一件事是确定的
αδλ
这也是有效的。非上下文无关规则的例子包括：
XY→δ
Xa→δ
aX→δ
这些需要知道围绕着X可以推导出什么，才能确定规则是否适用，这会导致不确定性（围绕X的内容也想知道它推导出了什么），在解析中是不可行的，而且我们希望语言具有明确定义。
证明一种语言是上下文无关的唯一方法是证明存在一个上下文无关文法，这并不是一项容易的任务。大多数编程语言已经被描述为上下文无关文法，因此工作已经完成。但是还有其他语言，包括编程语言，使用逻辑或纯英语来描述，因此需要努力找出它们是否是上下文无关的。
对于HTML，关于它的上下文无关性的答案是肯定的。SGML是一个明确定义的上下文无关语言，定义在其之上的HTML也是一个上下文无关语言。这两种语言的解析器和文法在网络上广泛存在。无论如何，存在LL(k)文法可以证明HTML是上下文无关的，因为LL是上下文无关的一个已经证明的子集。
但是随着Web的发展，HTML强制浏览器将其视为不那么明确定义的。现代Web浏览器会尽力尝试从几乎任何它们发现的东西中渲染出合理的内容。它们使用的文法不是上下文无关文法，解析器比SGML/HTML所需的更为复杂。
HTML在多个层面上定义。
<tags>组成，定义了一个分层文档结构。您可以将XML或类似XML的东西用于任何目的，就像 Apache Ant用于构建脚本一样。句法部分定义得足够好，可以被verified。语义部分比句法部分大得多，它是根据浏览器对HTTP和Document Object Model（DOM）的操作及如何呈现模型到屏幕的方式进行定义的。
最终：
<a>，<ul>等）。这是正确的吗？我是否正确地认为任意XML（例如<foo></foo>）是上下文相关的？关闭标记的名称需要与打开标记的名称匹配，而您不知道该名称是什么。 - Benjamin Hodgson有效的HTML不是一种无上下文语言。
首先，HTML作为SGML的应用在实际中是虚构的，因此分析SGML来回答问题是无用的。（然而，SGML虚构可能也不是无上下文的。）
更有用的是看实际定义的HTML解析算法。它分为两个层次：标记化和树建立。HTML所谓的标记化操作比解析器通常所说的标记化操作更高级。在HTML的情况下，标记化将字符流分成像开始标签、结束标签、注释和文本这样的单元。标记生成器会扩展字符引用。通常，在讨论解析器时，你可能会将小于号之类的东西视为“标记”，并认为字符引用由标记组成而不是由标记生成器解决。
如果考虑将输入流拆分为标记的过程，那么HTML语言的这个层次是正则的（除了来自树构建器的反馈）。
然而，有三个问题需要解决：第一个问题是将输入流分成标记仅仅是开始，接下来就是树构建器的一面实际上关心标记中的标识符。第二个问题是树构建器反馈到标记器，因此标记器进行的一些状态转换取决于树构建器的状态！第三个问题是，语言中的有效文档由适用于树构建器阶段输出的规则定义，并且这些规则足够复杂，无法使用树自动机完全定义（如 RELAX NG 无法表达所有有效性约束所示）。如果HTML没有解析错误，只使用有效的元素名称而忽略一般有效性，那么它是否是一种无上下文语言？
（复杂情况＃2适用于两种情况。）
id 这样的东西应该由语义检查器处理，而不是解析器。如果你走这条路线，基本上所有静态类型的语言都不是上下文无关的，因为你需要对代码进行类型检查。 - semicolon请参见下面的编辑说明。
这要看情况。
如果您只考虑理论上的HTML子集，那么是的。
但是，如果您还包括实际生活中可访问和成功使用的HTML，这些HTML每天在互联网上的许多顶级站点上被数百万人使用，那么不是。
这就是HTML灵活性的来源。解析引擎会添加标记、关闭标记并处理一些理论上的CFG无法完成的任务。如果您学过自动机，可能会记得正式语法中的产生式规则不能为空（也称为epsilon/lambda）在lhs（左侧）。由于解析引擎基本上使用了正式语法和自动机没有的知识，因此它不受限于此，而“语法”将具有epsilon/lambda -> result，其中特定的epsilon/lambda规则是根据语法中不可用的信息选择的。
由于我认为任何正式语法都不允许空的lhs，因此HTML无法通过正式语法定义，根本不是正式语言。
当然，HTML5可能会尝试朝着“更正式”的语言描述方向发展，但它成为上下文无关语言的现实可能性（即未被语法匹配的字符串被拒绝）与XHTML 2.0席卷全球并取代HTML的可能性相同（XHTML是他们试图使HTML成为正式语言的尝试...由于其脆弱性而被大规模拒绝）。
值得注意的是，HTML 5是第一个在实现之前定义的HTML标准！没错，HTML 1-4由某人在浏览器中实现的随机想法组成，并根据受欢迎和广泛实现的功能制定标准。然后他们尝试了XHTML，但它完全未被采用。即使是在网上，“xhtml”在几乎所有情况下都会自动解析为HTML，以防止出现加密的语法错误而导致的问题。现在您可以看到我们是如何到达这里以及为什么不太可能很快正式化。教训：“从理论上讲，理论和实践没有区别。实际上，有。” - 约吉·贝拉
编辑：
实际上，在阅读文件后，发现即使按照HTML 4.01规范，HTML也不符合SGML。要自行查看，请查看http://www.w3.org/TR/html4/strict.dtd处的HTML 4.01 Strict文档类型定义(doctype)，并注意以下行：
HTML 4.01规范包括无法在DTD中表达的其他语法约束。
因此，我会说由于这些特性，它可能不是CFL(上下文无关语言)，尽管它在技术上并没有证明存在一些可能接受HTML 4.01的PDA，但它确实阻止了SGML是CFL因此HTML是CFL的论点。
HTML5摒弃了对SGML的隐含一致性，但可能可以通过CFG进行描述。然而，它仍将提供基于最佳尝试的解析，而不是基于CFG的解析。因此，在这方面，目前的情况（即语言规范在形式上被定义，无效的字符串仍然被接受、解析和以最佳方式呈现）不太可能在很长时间内发生重大变化。请注意保留""和""和html标签。HTML5与之前的HTML版本不同，它严格定义了代码解析行为，即使代码不完全正确。而早期的HTML解析器各不相同，每个解析器都会尽力“猜测”代码作者的意图。