Texto que estiver dentro de uma seção CDATA é ignorado pelo parser XML.

A linguagem HTML é um subtipo do XML; portanto, um documento HTML sempre é considerado um XML sintaticamente correto.

Existem formas de se descreverem classes de documentos XML, como gramáticas para outras linguagens; para isso, são usados os Namespaces.

Atualmente, o HTML define estritamente a estrutura lógica de um documento, e não a sua aparência física.