浏览器内核发动机——渲染引擎续（HTML解析）
日期：2014-05-17 浏览次数：20726 次
浏览器内核引擎——渲染引擎续（HTML解析）
html语法分析：
html解析器的工作是解析html到解析树。html的词汇与语法定义在W3C创建的规范中，语法可以用类似的BNF（巴克斯
范式）来定义，下面来看一个概念：
上下文无关文法：
在计算机科学中，若一个形式文法 G = (N, Σ, P, S) 的产生式规则
都取如下的形式：V -> w ，則称之为上下文无关的 ，其中 V∈N ，w ∈(N∪Σ)* 。上下文无关文法取名为“上下文无关”
的原因就是因为字符 V 总可以被字串 w 自由替换，而无需考虑字符 V 出现的上下文。一个形式语言是上下文无关的，
html无法用解析器所需的上下文无关文法语法来定义，过去的html有格式规范的DTD（dcoument）来定义，但是他
不是一个上下文无关文法。
html DTD
html的定义使用DTD文件，这种格式用来定义SGML族语言，它包含了对所有元素的定义，包括他们的属性和层次关系 DOM 语法分析输出的树是由DOM元素和属性节点组成的，DOM全称是Document Object Model,他是ＨＴＭＬ文档对象 对象化表述，也是html元素与外界（javascript）的接口 DOM与标签一一对应，如下面的标签 <html> <body> <p> Hello World </p> <div> <img src="example.png"/></div> </body> </html> 转换成DOM?解析算法： htm无法l使用自上而下或者自下而上语法分析 理由如下： 1.语言的宽容特点 2.浏览器需要对无效的html提供容错的事实 3.解析过程反复，通常解析过程中源码不会变化，但在html中由于脚本的原因，解析过程会改变源码 浏览器创建了自己的解析器来解析html文档，解析器分为两部分：粉刺和构建树，分析属于词法分析，它把输入解析成 符号序列，在html中符号就是开始标签，结束标签，属性标签和属性值 分词识别这些符号并送入熟的构架者，然后继续分析下一个符号，直到输入结束
?分词算法： 算法的输出是HTML符号。算法可以用状态机来描述。 每一个状态从输入流中消费一个或多个字符，并根据它们更新 下一状态。决策受当前符号状态和树的构建状态影响。这意味着同样的字符可能会产生不同的结果，取决于当前的状 态。算法太复杂，我们用一个例子来看看它的原理。 分析下面的标签 <html> <body> Hello world </body> </html> 初始状态是“Data state”当遇到“<“时状态改为”Tag open state“吃掉”a-z”字符组成的符号后产生了 ”Start tag token”，状态变更为“Tag name state” 。我们一直保持此状态，直到遇到”>”。每个字符都被追加到 新的符号名上。在我们的例子中，解出的符号就是”html”。 当碰到”>”时，当前符号完成，状态改回“Data state” 。”<body>”标签将会以同样的方式处理。现在”html” 与”body”标签都完成了，我们回到“Data state” 状态。吃掉”H”（”Hello world”第一个字母）时会产生一个字符 符号，直到碰到”</body>”的”<”符号，我们就完成了一个字符符号”Hello world” 现在我们回到“Tag open state” 状态。吃掉下一个输入”/”时会产生一个”end tag token”并变更为 “Tag name state” 状态。同样，此状态保持到我们碰到”>”时。这时新标签符号完成，我们又回到“Data state” 。 同样”</html>”也会被这样处理。 如下图所示：
?树的构建算法： 构建书这一阶段的输入是符号识别阶段生成的符号序列 构建时“initial mode”，接受到html符号后转换为”before html“ 模式，但是这个模式对这个符号进行再处理，此时， 创建了一个HTMLHtmlElement元素，并将其附加到跟Document对象上 状态变为”before head “,接收到body符号时，这里即使没有head符号，也将自动创建一个ＨＴＭＬBodyElement 元素，并附加到树上 现在，转到”in head“模式，然后是”after head“，到这里，body会再次处理，将创建一个htmlBodyElement 元素附加到树上，同时转移到”in body“模式 然后，接收到字符串”hello world“第一个字符将导致创建并插入一个text节点，其他字符将附加到该节点 接收到body的结束符时， 接收到body结束符时，转移到”after body“模式，接着接收到html结束符符号，这个节点意味着转移到了”after after body“模式，当接收到文件结束符时，整个解析过程结束
?解析结束后的动作
这一阶段浏览器会把文档标记为交互模式，并开始解析deferred模式中的script。“deferred”意味着脚本应该在文档
解析完成后执行，脚本处理完成进入“complete“状态，load事件发生
免责声明： 本文仅代表作者个人观点，与爱易网无关。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。
