“内容与格式分离”是新一代网页的基本要求之一。网页设计者坚持这一项要求，可以大大的减少网页维护的麻烦。目前多数自动化的网络出版工具都已经支持了这一要求，如Movable Type，在后台的发布页面编辑文章时，不需要作者来编辑HTML代码（尽管Movable Type支持这样做），在发布的时候自然会有程序来王文章里面加HTML标签。其实不止是网络出版，任何在发布前需要程序进行处理的出版方式都只这一要求的支持者。从SGML生成HTML，从.tex文件生成.pdf文件，都是如此。
过去我一直觉得这种方法很完美，但今天当我需要使用存放在页面里的内容时，我觉得这样做还不够。
起因是我觉得每次上海词上查单词太慢了，就想用Perl写一个简单的命令行工具，从命令行参数获得要查的词，然后直接打印初单词的意思及例句。海词的输出并不隐晦，是标准的HTML页面。当把页面拉下来后，我要做的只是从页面里提取出我要的东西了。难度并不高，写几条正则表达式把HTML标签给去掉就OK了。但问题是工作挺繁琐，长时间没有Perl编程的经验，我目前只完成了大约50%：我可以输出单词的意思和第一条英、中例句，当例句多于一条时的处理，我还没有写。
弄到这个情况，很明显我的工作是脱除格式，获得内容。最理想的做法是什么也不做，因此自然而然的就想，如果海词会直接提供一种良好格式的数据该多好啊。当然这是不可能的，但如果有可以自由传播的英汉词典的数据该多好啊。于是我一下子就想起了Tim Berners-Lee喊过的”Raw Data Now“。
正规来说，虽然”内容与格式分离”式的出版已经是一个相当大的进步了，但如果能直接输出内容会不会更进一步呢？在目前的网络环境下，我们可以有Google一样的工具来维护一个全球的网页库。如果我们有了单纯的内容，我们会不会就能有工具来自动为我们维护一个全人类的知识库呢？自然语言的语义处理与分析是计算机的课题之一，目的在于让计算机理解人类的语言。如果我们认为的跳过这一步，直接把计算机能够理解的语言（内容数据）交给计算机来处理是不是可行呢？剥开自然语言的外壳，剩下的内容逻辑交给计算机来处理，能不能让计算机来自动进行逻辑运算，为我们完成如定理证明一类的工作呢？
这里不禁想到了Tim Berners-Lee所宣传的RDF。
但可惜的是，基于目前的现实环境，让人们把自己的数据贡献出来，似乎可能行不大。剥离了格式，内容则变得愈加宝贵，奇货可居。人们就愈加不会贡献出内容了。