parse html

解析HTML的过程

浏览器需要加载解析的不仅仅是HTML，还包括CSS、JS、以及加载图片、视频等其他媒体资源。

注意，浏览器的解析过程并非是串行的。比如在解析CSS的同时，可以继续加载解析HTML；但在解析执行JS脚本时，会停止解析后续HTML，这就会出现阻塞问题。

---

基本流程

HTML解析

浏览器解析是从上往下一行一行地解析的，解析的过程可以分为四个步骤：

1.解码（decoding）

传输回来的都是一些二进制字节数据，浏览器需要根据文件指定编码（如UTF-8）转换成字符串，也就是HTML代码。

2.预解析（pre-parsing）

预解析做的事情是提前加载资源，减少处理时间，它会识别一些请求资源的属性，如img标签的src属性，并将这个请求加到请求队列中。

3.符号化（Tokenization）

符号化是词法分析的过程，将输入解析成符号。HTML符号包括：开始标签、结束标签、属性名和属性值。

它通过一个状态机去识别符号的状态，如遇到<，>状态都会产生变化。

4.构建树（tree construction）

注意：符号化和构建树是并行操作的，就是说只要解析到一个开始标签，就会创建一个DOM节点。

在上一步符号化中，解析器获得这些标记，然后以合适的方法创建DOM对象并把这些符号插入到DOM对象中。

浏览器容错进制

你从来没有在浏览器看过类似"语法无效"的错误，这是因为浏览器纠正错误的语法，然后继续工作。

事件

当整个解析的过程完成以后，浏览器会通过DOMContentLoaded事件来通知DOM解析完成。