|
摘要：本文分析WebKit中html的解析過程，DOM節(jié)點(diǎn)樹的建立。 關(guān)鍵詞：WebKit，html解析,html tree construction,WebCore, DOM節(jié)點(diǎn)樹，dlmu2001 1. HTML解析模型 圖1 HTML解析模型圖 上圖是HTML解析模型圖，HTML解析分成Tokeniser和Tree Construction兩個(gè)步驟，在”WebKit中的html詞法分析” (http://blog.csdn.net/dlmu2001/archive/2010/11/09/5998130.aspx)一文中，我們已經(jīng)對(duì)Tokeniser這一步進(jìn)行了分析，本文的目標(biāo)是Tree Construction這一步。 Tree Construction輸入是token流，輸出是DOM節(jié)點(diǎn)樹。 2. DOM樹HTML DOM定義了一套標(biāo)準(zhǔn)來將html文檔結(jié)構(gòu)化，它定義了表示和修改文檔所需的對(duì)象、這些對(duì)象的行為和屬性以及對(duì)象之間的關(guān)系，可以把它理解為頁面上數(shù)據(jù)和結(jié)構(gòu)的一個(gè)樹形表示。 Node是DOM模型中的基礎(chǔ)類，它可以分成13類（見NodeType），在HTML解析中，最常見的是Document，Element，Text三類。 l Document是文檔樹的根節(jié)點(diǎn)，在HTML文檔中，他派生為HTMLDocument。 l 在文檔中，所有的標(biāo)簽轉(zhuǎn)化為Element類，一般它有標(biāo)簽名，并根據(jù)標(biāo)簽名繼承為特定的子類。 l Element之間的原始文本轉(zhuǎn)化成Text類。 以一個(gè)簡單的html頁面為例： <html> <head> <title>test</title> </head> <body> <h1>hl1</h1> <h2>hl2</h2> <h3>hl3</h3> </body> </html> 經(jīng)過解析后的節(jié)點(diǎn)樹如下（忽略換行符）：
圖2 HTML DOM節(jié)點(diǎn)樹示例 如果沒有忽略換行符，則每個(gè)換行符就是一個(gè)Value為”\n”的Text節(jié)點(diǎn)。 3. Tree Construction原理將圖二中的節(jié)點(diǎn)樹以WebKit中的類具體化（同樣忽略換行符）。
圖3 Webkit HTML DOM節(jié)點(diǎn)樹示例 看到這里，你是不是覺得仿佛看到了一個(gè)呼之欲出的Tree Construction輪廓？是的，最簡化的情況就是這樣，根據(jù)輸入的token，創(chuàng)建出相應(yīng)的Element派生類，然后添加到DOM樹中合適的位置，這就是Tree Construction干的事情。當(dāng)然，添加到合適的位置，這個(gè)需要一系列復(fù)雜的規(guī)則，另外，WebKit將Render樹的創(chuàng)建也放到了Tree Construction階段中來，再加上CSS，Javascript，所以，這就是你看到的復(fù)雜的代碼。 放出兩個(gè)函數(shù)原型，熱熱身，培養(yǎng)培養(yǎng)感情。
Tree Construction流程由一個(gè)狀態(tài)“Insertion Mode”進(jìn)行控制，它影響token的處理以及是否支持CDATA部分，HTML5中給出了詳細(xì)的規(guī)則（http://www./specs/web-apps/current-work/multipage/parsing.html#the-insertion-mode）。它也控制了在特定狀態(tài)下能夠處理的token，比如在head里面，再出現(xiàn)head標(biāo)簽，顯然是不應(yīng)該處理的。 4. 開放元素堆棧為了維護(hù)即將解析的標(biāo)簽同已解析的標(biāo)簽之間的關(guān)系（此時(shí)即將解析的標(biāo)簽還沒有加入到DOM樹中），引入了開放元素堆棧m_openElements,初始狀態(tài)下，這個(gè)堆棧是空的，它是向下增長的，所以最上面的節(jié)點(diǎn)是最早加入到堆棧中的，在html文檔中，最上面的節(jié)點(diǎn)就是html元素，最底部的節(jié)點(diǎn)就是最新加入到堆棧中的。Tree Builder的時(shí)候，每碰到一個(gè)StartTag的token，就會(huì)往m_opnElements中壓棧，碰到EndTag的token，則出棧。像Character這樣的token，則不需要進(jìn)行壓棧出棧的動(dòng)作，只有可以包含子節(jié)點(diǎn)的tag，才做壓棧出棧的動(dòng)作。Html5的文檔中對(duì)開放元素堆棧也有說明，http://www./specs/web-apps/current-work/multipage/parsing.html#the-stack-of-open-elements。 對(duì)于正在解析的token，除了根節(jié)點(diǎn)html，它必然是堆棧底部元素（m_openElements.top()）的子節(jié)點(diǎn)，所以在形成DOM樹的時(shí)候，就可以通過ContainerNode::parserAddChild這樣的接口加入到DOM節(jié)點(diǎn)樹中。 除了正常的堆棧和壓棧，對(duì)于html,head,body元素，棧結(jié)構(gòu)(HTMLElementStack)中有專門的成員m_htmlElement,m_headElement,m_bodyElement記錄，主要是用于檢錯(cuò)糾錯(cuò)處理。 在本文的html范例中，當(dāng)解析到<h2>hl2</h2>的hl2這個(gè)character的token的時(shí)候，它的開放元素堆棧如下，HTMLHeadingElement是堆棧的top，所以它是hl2這個(gè)Text節(jié)點(diǎn)的parent。
圖4 開放元素堆棧示例 此時(shí)的DOM節(jié)點(diǎn)樹如下：
圖5 Webkit DOM節(jié)點(diǎn)數(shù)示例 5. 元素的創(chuàng)建HTMLElementFactory類提供了元素的創(chuàng)建方法createHTMLElement。傳入為對(duì)應(yīng)的標(biāo)簽名，所屬的document，所屬的form（如果屬于form），在parser的時(shí)候，最后一個(gè)參數(shù)為true。
在HTMLElementFactory中，通過一個(gè)Hash Map將tag name和對(duì)應(yīng)的元素構(gòu)造函數(shù)對(duì)應(yīng)起來(gFunctionMap)。tag一般對(duì)應(yīng)一個(gè)派生于HTMLElement的類。如下是HTMLHeadingElement的類層次結(jié)構(gòu)圖。
圖6 HTMLHeadingElement類層次圖 6. 其它HTMLConstructionSite::attach中的attach一詞，地瓜理解主要是attach到DOM節(jié)點(diǎn)數(shù)上，當(dāng)然，它同時(shí)調(diào)用了Element::attach，Element類的attach主要是attach到Render樹上，它會(huì)創(chuàng)建對(duì)應(yīng)該Element的RendrObject。 除了m_openElements，HTMLConstructionSite同時(shí)維護(hù)了Format 元素列表m_activeFormattingElements,Formating元素就是那些格式化標(biāo)簽，包括a,b,big,code,em,font,I,fot,I,nobr,s,small,strike,strong,tt,u。為了處理這些Formatting元素的嵌套關(guān)系（此時(shí)它們可能不是父子關(guān)系，而是平級(jí)，不加入到m_openElements），HTML5引入了這個(gè)列表（http://www./specs/web-apps/current-work/multipage/parsing.html#list-of-active-formatting-elements）。 使用gdb調(diào)試的童子，可以運(yùn)行Tools/gdb/webkit.py腳本，在print結(jié)構(gòu)體的時(shí)候得到易于理解的表示，還可以打印出節(jié)點(diǎn)樹，具體參考http://trac./wiki/GDB。 |
|
|
