chromium保存网页功能

  chromium保存网页的功能是通过将DOM树序列化为html语言字符串的形式来实现的，它能够很好的将用户所看到的网页转换成一个html字符串。从WebCore::WebPageSerializerImpl::serialize函数可以看到整个流程。

  大体思想是以document节点为起点，在WebPageSerializerImpl::buildContentForNode函数中递归序列化整棵DOM树。其中openTagToString序列化起始标签，endTagToString序列化结束标签，saveHTMLContentToBuffer添加字符流到buffer。总的来说结构还是非常清晰的。

  但是，很遗憾。序列化的过程看似很好，实际上这样序列化生成的html文件浏览器却不一定能正确解析。因为DOM树本就不一定由一个html解析生成，其中间可能经过了无数js的各种加载，最终形成了我们所看到的网页。将DOM树序列化对于简单网页是足够的，但是对于一些复杂网页（比如百度音乐），这样序列化形成的html文件中包含很多错误的语法。比如字符串中包含标签，导致与真正的标签错误匹配。最终解析出来的是一堆乱码。

  由此可以联想到appcache，appcache的功能也类似于保存网页，让用户可以离线浏览网页。它的特点是将资源都存在cache中，重复加载过程。这样就不会出现上述问题。但它也有不足之处，对于一些复杂网页，很难保存成用户看到的东西（比如用户对网页进行过一些操作，网页的结构已经改变）；网页必须支持appcache；必须在加载时保存等。