关闭

WebKit内核源代码分析(五)

标签: webkit代码分析constructionhtmltokentree
19244人阅读 评论(13) 收藏 举报
分类:
WebKit内核源代码分析()

红心地瓜(tomorrow.cyz@gmail.com

摘要:本文分析WebKithtml的解析过程,DOM节点树的建立。

关键词:WebKithtml解析,html tree construction,WebCore,

DOM节点树,dlmu2001

1.    HTML解析模型

                                                                               

1 HTML解析模型图

上图是HTML解析模型图,HTML解析分成TokeniserTree Construction两个步骤,在”WebKit中的html词法分析

(http://blog.csdn.net/dlmu2001/archive/2010/11/09/5998130.aspx)一文中,我们已经对Tokeniser这一步进行了分析,本文的目标是Tree Construction这一步。

Tree Construction输入是token流,输出是DOM节点树。

2.    DOM

HTML DOM定义了一套标准来将html文档结构化,它定义了表示和修改文档所需的对象、这些对象的行为和属性以及对象之间的关系,可以把它理解为页面上数据和结构的一个树形表示。

NodeDOM模型中的基础类,它可以分成13类(见NodeType),在HTML解析中,最常见的是DocumentElementText三类。

l  Document是文档树的根节点,在HTML文档中,他派生为HTMLDocument

l  在文档中,所有的标签转化为Element类,一般它有标签名,并根据标签名继承为特定的子类。

l  Element之间的原始文本转化成Text类。

以一个简单的html页面为例:

<html>

<head>

<title>test</title>

</head>

<body>

<h1>hl1</h1>

<h2>hl2</h2>

<h3>hl3</h3>

</body>

</html>

经过解析后的节点树如下(忽略换行符):


2 HTML DOM节点树示例

如果没有忽略换行符,则每个换行符就是一个Value”\n”Text节点。

3.    Tree Construction原理

将图二中的节点树以WebKit中的类具体化(同样忽略换行符)。

3 Webkit HTML DOM节点树示例

看到这里,你是不是觉得仿佛看到了一个呼之欲出的Tree Construction轮廓?是的,最简化的情况就是这样,根据输入的token,创建出相应的Element派生类,然后添加到DOM树中合适的位置,这就是Tree Construction干的事情。当然,添加到合适的位置,这个需要一系列复杂的规则,另外,WebKitRender树的创建也放到了Tree Construction阶段中来,再加上CSSJavascript,所以,这就是你看到的复杂的代码。

放出两个函数原型,热热身,培养培养感情。

PassRefPtr<Element> HTMLConstructionSite::createHTMLElement(AtomicHTMLToken& token);

void HTMLConstructionSite::insertHTMLElement(AtomicHTMLToken& token); 

Tree Construction流程由一个状态“Insertion Mode”进行控制,它影响token的处理以及是否支持CDATA部分,HTML5中给出了详细的规则(http://www.whatwg.org/specs/web-apps/current-work/multipage/parsing.html#the-insertion-mode)。它也控制了在特定状态下能够处理的token,比如在head里面,再出现head标签,显然是不应该处理的。

4.    开放元素堆栈

为了维护即将解析的标签同已解析的标签之间的关系(此时即将解析的标签还没有加入到DOM树中),引入了开放元素堆栈m_openElements,初始状态下,这个堆栈是空的,它是向下增长的,所以最上面的节点是最早加入到堆栈中的,在html文档中,最上面的节点就是html元素,最底部的节点就是最新加入到堆栈中的。Tree Builder的时候,每碰到一个StartTagtoken,就会往m_opnElements中压栈,碰到EndTagtoken,则出栈。像Character这样的token,则不需要进行压栈出栈的动作,只有可以包含子节点的tag,才做压栈出栈的动作。Html5的文档中对开放元素堆栈也有说明,http://www.whatwg.org/specs/web-apps/current-work/multipage/parsing.html#the-stack-of-open-elements

对于正在解析的token,除了根节点html,它必然是堆栈底部元素(m_openElements.top())的子节点,所以在形成DOM树的时候,就可以通过ContainerNode::parserAddChild这样的接口加入到DOM节点树中。

除了正常的堆栈和压栈,对于html,head,body元素,栈结构(HTMLElementStack)中有专门的成员m_htmlElement,m_headElement,m_bodyElement记录,主要是用于检错纠错处理。

在本文的html范例中,当解析到<h2>hl2</h2>hl2这个charactertoken的时候,它的开放元素堆栈如下,HTMLHeadingElement是堆栈的top,所以它是hl2这个Text节点的parent

4 开放元素堆栈示例

此时的DOM节点树如下:

5 Webkit DOM节点数示例

5.    元素的创建

HTMLElementFactory类提供了元素的创建方法createHTMLElement。传入为对应的标签名,所属的document,所属的form(如果属于form),在parser的时候,最后一个参数为true

PassRefPtr<HTMLElement> HTMLElementFactory::createHTMLElement(const QualifiedName& qName, Document* document, HTMLFormElement* formElement, bool createdByParser);

HTMLElementFactory中,通过一个Hash Maptag name和对应的元素构造函数对应起来(gFunctionMap)tag一般对应一个派生于HTMLElement的类。如下是HTMLHeadingElement的类层次结构图。

6 HTMLHeadingElement类层次图

6.    其它

HTMLConstructionSite::attach中的attach一词,地瓜理解主要是attachDOM节点数上,当然,它同时调用了Element::attachElement类的attach主要是attachRender树上,它会创建对应该ElementRendrObject

除了m_openElementsHTMLConstructionSite同时维护了Format 元素列表m_activeFormattingElements,Formating元素就是那些格式化标签,包括a,b,big,code,em,font,I,fot,I,nobr,s,small,strike,strong,tt,u。为了处理这些Formatting元素的嵌套关系(此时它们可能不是父子关系,而是平级,不加入到m_openElements),HTML5引入了这个列表(http://www.whatwg.org/specs/web-apps/current-work/multipage/parsing.html#list-of-active-formatting-elements)。

使用gdb调试的童子,可以运行Tools/gdb/webkit.py脚本,在print结构体的时候得到易于理解的表示,还可以打印出节点树,具体参考http://trac.webkit.org/wiki/GDB

12
2

猜你在找
查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:454353次
    • 积分:5049
    • 等级:
    • 排名:第5249名
    • 原创:76篇
    • 转载:12篇
    • 译文:10篇
    • 评论:146条
    最新评论