重学前端-总结：11 、浏览器：一个浏览器是如何工作的？（阶段二）

前言

上节内容

览器使用 HTTP 协议或者 HTTPS 协议，向服务1端请求页面的过程。

本节内容：个过程：

如何解析请求回来的 HTML 代码？

DOM 树又是如何构建的？

字符流-》状态机=》词token=》栈=》dom树

解析代码

带着问题去学习：
HTTP 的 Response 的 body怎么处理的？

HTML 的结构不算太复杂，我们日常开发需要的 90% 的“词”（指编译原理的术语 token，表示最小的有意义的单元），种类大约只有标签开始、属性、标签结束、注释、CDATA 节点几种。

实际上有点麻烦的是，由于 HTML 跟 SGML 的千丝万缕的联系，我们需要做不少容错处理。“<?”和“<%”什么的也是必须要支持好的，报了错也不能吭声。

词（token）是如何被拆分的

标准的标签，会被如何拆分：

<p class="a">text text text</p>

代码依次拆成词（token）：

• <p“标签开始”的开始；
• class=“a” 属性；
• > “标签开始”的结束；
• text text text 文本；
• 标签结束。

浏览器工程师处理标签方法：使用状态机把字符流解析成词（token）

状态机原理

绝大多数语言的词法部分都是用状态机实现的。那么我们来把部分词（token）的解析画成一个状态机看看：

真正完整的 HTML 词法状态机，比我们描述的要复杂的多。更详细的内容，你可以参考HTML 官方文档，HTML 官方文档规定了 80 个状态

状态机的初始状态，我们仅仅区分 “< ”和 “非 <”：

• 如果获得的是一个非 < 字符，那么可以认为进入了一个文本节点；
• 如果获得的是一个 < 字符，那么进入一个标签状态。

不过当我们在标签状态时，则会面临着一些可能性。

• 比如下一个字符是“ ! ” ，那么很可能是进入了注释节点或者 CDATA 节点。

• 如果下一个字符是 “/ ”，那么可以确定进入了一个结束标签。

• 如果下一个字符是字母，那么可以确定进入了一个开始标签。

• 如果我们要完整处理各种 HTML 标准中定义的东西，那么还要考虑“ ? ”“% ”等内容。

用状态机做词法分析，其实正是把每个词的“特征字符”逐个拆开成独立状态，然后再把所有词的特征字符链合并起来，形成一个联通图结构。

具体处理过程，学习编译原理知识。

构建 DOM 树

使用的栈正是用于匹配开始和结束标签的方案构建 DOM 树：

• 栈顶元素就是当前节点；
• 遇到属性，就添加到当前节点；
• 遇到文本节点，如果当前节点是文本节点，则跟文本节点合并，否则入栈成为当前节点的子节点；
• 遇到注释节点，作为当前节点的子节点；
• 遇到 tag start 就入栈一个节点，当前节点就是这个节点的父节点；
• 遇到 tag end 就出栈一个节点（还可以检查是否匹配）。

我在文章里面放了一个视频，你可以点击查看用栈构造 DOM 树的全过程。

当我们的源代码完全遵循 xhtml（这是一种比较严谨的 HTML 语法）时，这非常简单问题，然而 HTML 具有很强的容错能力，奥妙在于当 tag end 跟栈顶的 start tag 不匹配的时候如何处理。

于是，这又有一个极其复杂的规则，幸好 W3C 很贴心地把全部规则都整理地很好，我们只要翻译成对应的代码就好了，以下这个网站呈现了全部规则。你可以点击查看。
http://www.w3.org/html/wg/drafts/html/master/syntax.html#tree-construction