webkit内核源代码导读3：HTML的解析过程

声明

HTML的解析过程是非常复杂的，下载、解析、脚本执行、显示是交错进行的。而且，HTML的解析器具有非常强的容错能力。

对于初次接触webkit源码的童鞋来说，是无法全面理解的。而且，本文立意也不是介绍HTMl的解析算法一类的东西。即便是我自己，对于很多东西都理解不了。

所以，本文重在解释HTML的解析过程，解说各个组成部分及功能。以后有机会，我将详细分析解析的算法。

解析过程中的重要类和功能

• Document和DocumentParser是相互引用的关系
• HTMLDocumentParser继承自ScriptableDocumentParser，在继承自DecodedDataDocumentParser。本文不讨论脚本相关问题，因此，可以忽略ScriptableDocumentParser。DecodedDataDocumentParser类主要功能就是实现字符解码功能。
• HTMLInputStream：保存解码后的字符流，可以看作一个缓冲区。和标准输入流的作用是一样的；
• HTMLTokenizer : 解析字符流解析，将字符流分解成节点（包括节点名和属性列表），注释、Doc声明、结束节点、文本（节点包含的文字），这些信息都保存在HTMLToken类中。其作用是词法解析器； 实现这个功能的主要函数是nextToken；
• HTMLTreeBuilder：它主要作用是生成DOM树，并对其语义进行检查(参阅processStartTag函数的代码）。如，如果在head标签中包含一个body标签，它就会检查出来，并报告错误。主要函数是constructTreeFromToken；
• HTMLToken：这是一个中间类，由HTMLTokenizer生成，交给HTMLTreeBuilder使用；
• HTMLConstructionSite ： 这个类是负责创建HTML元素，并最终完成DOM树组装的函数。例如，它将标签 <img> 生成一个HTMLImageElement对象。 除了一些关键的标签外（如html, body, head等），其他标签的创建，通过HTMLElementFactory来实现； 对于属性的解析，直接调用生成的Element的parserSetAttributes函数，来实现。参阅HTMLConstructionSite::createHTMLElement函数的实现；
• HTMLPreloadScanner : 这是一个负责查找和加载子资源的对象。它通过扫描节点中的 "src" , "link"等属性，找到外部连接资源后，通过CachedResourceLoader进行预加载。CachedResourceLoader是从DocumentLoader中得到的。这一点可以参考前一章。

注意：HTMLElementFactory是通过脚本生成的，在源码中没有定义。

<