Простой HTML-валидатор

Этот Perl-скрипт проверяет корректность HTML-блоков. Результат выдаётся в удобочитаемой форме с номерами строк и отступами, показывающими глубину вложения конструкций.

Сейчас он настроен на очень строгую проверку. Закрывающий тег должен быть и у тега <p>, и у <td>, и у <li>, но это легко отрегулировать, чуть подправив код.

Никаких дополнительных модулей этот скрипт не требует.

Новая версия (август 2006) корректно пропускает PHP- и SSI-код. Но конечно этот код не выполняется. Чтобы проверить корректность любых динамических документов мой валидатор можно использовать совместно с программой wget (или любой подобной):

wget -qO- http://ya.ru/ | html

или, для более удобного просмотра результатов:

wget -qO- http://ya.ru/ | html | less

Из недостатков:

Атрибуты тегов не проверяются.

Никаких ключей программа не имеет. Проверяемый файл либо указывается в командной строке, либо подаётся на STDIN.

Программа проверяет очень строго не только парность тегов. Она указывает и на ошибочное использование символов <, >. Например, такой код считается ошибочным:

<script type="text/javascript">
if (a>b) {}
</script>

Я не планирую изменять это поведение потому, что такой код действительно ошибочен и в некоторых случаях даже браузеры не могут обойти эту ошибку. Правильное решение — использовать HTML-комментарии

<script type="text/javascript"><!--
if (a>b) {}
// --></script>

или (на худой конец) квотировать запрещённые символы.

Этот чекер проверяет имено HTML, но не XML. Он не поддерживает "самозакрывающиеся" теги (такие как <br/>), он не поддерживает обработку <!ELEMENT ...>, он не поддерживает <![CDATA[...> и прочие XML-специфичные конструкции.

Пока я не планирую добавлять в этот валидатор XML-проверки. Мне представляется более разумным делать разные валидаторы для XML и HTML, но для XML и без меня существует множество достойных валидаторов.

Изменения:

Правка от февраля 2009 года — тег <map> стал парным и символы '\r' не ломают форматирование отчёта об ошибках.

Правка — август 2009 года — улучшена обработка пробелов в PHP-коде и HTML-комментариях.

Последняя от сентября 2009 года — улучшена обработка пробелов, включая табуляции и символ '\r'. Исправлена ошибка, приводившая к не правильному подсчёту номеров строк.

Правка от декабря 2009 года — теги <embed> и <param> стали не парными.

Спасибо всем пользователям за комментарии!