html解析模型

转载：http://blog.csdn.net/dlmu2001/article/details/6001029

  

   如上是html解析模型图，如图所示，html解析模型的输入是unicode字符流，经过tokenization和tree construction两个阶段，输出Document对象。

一般情况下，Tokenization阶段处理的数据来自网络，但它也可以来自于运行在用户代理上的脚本，比如，使用document.wrinte()这样的API。

Tokenizer和tree construction状态都只有一套，但是tree construction是可重入的，tree construction阶段在处理一个token的时候，tokenizer可能得以继续，导致在第一个token没有完成之前，其它的token被释放并处理。

…

<script>

Document.write(‘<p>’);

</script>

…

比如，如上的代码，tree construction阶段在处理”script”结束标签的时候，会被要求处理”p”起始标签。