XML、HTML 和 XHTML 文档的有效内容类型

Question

XML、HTML 和 XHTML 文档的正确内容类型是什么？

我需要编写一个简单的爬虫，只获取这些类型的文件。

现在 http://example.net/index.html 可以通过 mod_rewrite 提供 JPEG 文件等服务，因此我需要检查响应标头中的内容类型，并将其与允许的内容类型列表进行比较。

我可以从哪里获得这样的列表？

Answer 1

• HTML
  

  text/html

  ，句号。
• XHTML
  

  application/xhtml+xml

  ，或者仅在遵循 HTML 兼容性准则时，

  text/html

  。请参阅 W3 媒体类型注释。
• XML
  

  text/xml

  ，

  application/xml

  （RFC 2376）。

还有许多其他基于 XML 的媒体类型，例如

application/rss+xml

或

image/svg+xml

。可以肯定的是，任何无法识别但已注册以

+xml

结尾的内容都是基于 XML 的。请参阅 IANA 列表，了解以

+xml

结尾的已注册媒体类型。

（对于未注册的

x-

类型，所有赌注都已取消，但您希望

+xml

会受到尊重。）