译自 HTML parsing。
浏览器渲染引擎从网络层取得请求的文档，一般情况下文档会分成 8KB 大小的分块传输。
HTML 解析器的主要工作是对 HTML 文档进行解析，生成解析树。
解析树是以 DOM 元素以及属性为节点的树。DOM 是文档对象模型（Document Object Model）的缩写，它是 HTML 文档的对象表示，同时也是 HTML 元素面向外部（如 JavaScript）的接口。树的根部是 Document 对象。整个 DOM 和 HTML 文档几乎是一对一的关系。
解析算法
HTML 不能使用常见的自顶向下或自底向上方法来进行分析。主要原因有以下几点:
- 语言本身的“宽容”特性
- HTML 本身可能是残缺的，对于常见的残缺，浏览器需要有传统的容错机制来支持它们
- 解析过程需要反复。对于其他语言来说，源码不会在解析过程中发生变化，但是对于 HTML 来说，动态代码，例如脚本元素中包含的
document.write()方法会在源码中添加内容，也就是说，解析过程实际上会改变输入的内容
由于不能使用常用的解析技术，浏览器创造了专门用于解析 HTML 的解析器。解析算法在 HTML5 标准规范中有详细介绍，算法主要包含了两个阶段：标记化（tokenization）和树的构建。
解析结束之后
浏览器开始加载网页的外部资源（CSS，图像，JavaScript 文件等）。
此时浏览器把文档标记为可交互的（interactive），浏览器开始解析处于推迟（deferred）模式的脚本，也就是那些需要在文档解析完毕之后再执行的脚本。之后文档的状态会变为完成（complete），浏览器会触发加载（load）事件。
注意解析 HTML 网页时永远不会出现无效语法（Invalid Syntax）错误，浏览器会修复所有错误内容，然后继续解析。
网友评论