Como se ha mencionado previamente, los lenguajes de marcado heredan las características de las prácticas de marcado empleadas anteriormente en la imprenta, al tiempo que aumentan y extienden esas prácticas para que sea posible su lectura, análisis y distribución electrónica. El marcado puede expresarse, como hemos observado anteriormente, mediante símbolos o caracteres manuscritos. Para el procesamiento por ordenador, el marcado o el vocabulario de anotación deben expresarse de manera estándar en un formato que sea legible para la máquina.

Pero, ¿para qué necesitamos el marcado? ¿Por qué no usamos simplemente el texto plano? Los textos planos en formato electrónico, como, por ejemplo, los documentos txt. descargados de archivos en línea tales como el Proyecto Gutenberg, no suelen contener ningún tipo de marcado. Para un lector humano, esto no supone ningún problema, siempre y cuando conozca el idioma, el sistema de escritura y las convenciones genéricas en los que está escrito. Por ejemplo, la mayoría de lectores de lenguas indoeuropeas reconocerán la forma de los siguientes tipos de texto sin necesidad de leer su contenido:

Los lectores humanos aprendemos cómo leer textos, cómo distinguir palabras individuales y cómo interpretar las palabras en el contexto de su estructura lingüística. Incluso si los textos están escritos sin espacios entre palabras o sin signos de puntuación, en escritura continua, un lector humano, acostumbrado a este sistema de escritura, puede identificar las palabras y oraciones y discernir, por tanto, su significado.

De forma semejante, podemos entender la escritura cross-hatch, una convención de escritura utilizada en el s. XVIII para ahorrar dinero en correos y en la cual el autor de la carta escribía horizontalmente a lo largo de la página; cuando llegaba al final de la hoja, la giraba de forma tal que podía seguir escribiendo perpendicularmente encima de lo que ya había escrito antes. Los manuscritos antiguos en los que se utilizaba una escritura continua y las cartas del XVIII escritas en cross-hatch demuestran que los humanos pueden adaptarse a convenciones de escrituras que prescinden del espacio en blanco o de la puntuación. A los ordenadores, sin embargo, les es más difícil darle formato a un texto plano, así como procesarlo, especialmente cuando, además, debe tener en cuenta las características de las palabras (como, por ejemplo, la clase a la que pertenece), las construcciones gramaticales, o las estructuras semánticas dentro de un texto.

Por ello, el marcado es una mejora importante que aumenta el potencial de los textos electrónicos. Los lenguajes de marcado suelen ser legibles por los lectores  humanos (p.e., no es necesario que estén compilados como los lenguajes de programación), al tiempo que son descriptivos; por ejemplo, este fragmento de HTML indica que hay dos encabezados y que el primero es el principal:

<h1>Lenguajes de marcado y modelado textual</h1>
<h2>Lenguajes de marcado frente a texto plano</h2>

A este tipo de anotación en línea, legible para una máquina, se le conoce también como metainformación o metadatos, ya que mejora el texto primario para que los ordenadores puedan procesarlo aún más, en oposición a otros tipos de instrucciones de procesamiento previas, como el formato-17, que sirve para indicar el título de un documento. 

En los años 60 se empezaron a utilizar los primeros tipos de lenguaje de marcado electrónico. En el campo de las Humanidades, el software COCOA utilizaba un tipo de lenguaje de marcado que tuvo mucha influencia. COCOA se utilizaba para analizar textos y generar índices de palabras y concordancias de textos. Era necesario preparar primero esos textos y enriquecerlos con marcado para poder luego anotarlos e introducir metadatos (para más información, véase Hockey 27-30). El siguiente fragmento muestra una pequeña muestra tomada de un texto teatral. El autor de la obra, el título, el acto, la escena, etc. han sido codificados y procesados con COCOA:

<W SHAKESPEARE> <T HAMLET> <A 1> <S 1><C HAMLET>

LaTeX es otro ejemplo de lenguaje de marcado. LaTeX es un lenguaje que se utiliza con el fin de describir documentos para su composición tipográfica. LaTeX ha estado desarrollándose desde los años 70 y es uno de los lenguajes más utilizados en la imprenta para la composición tipográfica de textos. Por ejemplo, el fragmento anterior en HTML podría escribirse en LaTeX de la siguiente forma:

\begin{document}
\chapter{Lenguajes de marcado y modelado textual}
\section{Lenguajes de marcado frente a texto plano}
\end{document}

Los lenguajes de marcado se utilizan para enriquecer el texto plano con información que es legible tanto por las máquinas como por los lectores  humanos. El ya mencionado HTML y el XML, el lenguaje que aprenderemos en este curso, provienen del lenguaje SGML (Standard Generalised Markup Language). El SGML se convirtió en un estándar internacional en 1986 y está basado en un lenguaje anterior, denominado GML (Generalised Markup Language). El SGML no es un esquema de codificación en sí, “sino una sintaxis o marco de referencia dentro del cual pueden definirse etiquetas de codificación” (Hockey 33). El SGML, y, por tanto, el XML, proporciona una sintaxis mediante la cual las comunidades de  especialistas pueden describir etiquetas y, por lo tanto, conceptos que son importantes para su perspectiva de los textos y de  la textualidad. Todos estos lenguajes siguen una misma convención: el uso de corchetes angulares para distinguir la anotación, conocida como "etiquetas" y "elementos", del texto primario. Es igual en HTML y XML. Así lo encontramos en el ejemplo anterior en HTML:

<h1>Lenguajes de marcado y modelado textual</h1>
<h2>Lenguajes de marcado frente a texto plano</h2>

Se utilizan siempre etiquetas de apertura (p.e., <h1>) y de cierre (p.e., </h1>) para indicar el comienzo y el final de un encabezado. Estas etiquetas determinan la función semántica del texto. El TEI, el estándar de codificación del Text Encoding Initiative, es un tipo de lenguaje XML que emplea las mismas convenciones, así como corchetes angulares, para distinguir etiquetas de datos. El TEI, sin embargo, tiene un vocabulario mucho más rico y amplio de elementos con los que indicar muchas más características en diferentes tipos de texto, desde lápidas y manuscritos hasta textos electrónicos.