网页解码浅析

转载出处：http://blog.csdn.net/awebkit

   网页是如何正确显示出来而不会乱码的呢？本文就这个问题讨论一下

   当我们调用loadURL之后，经过一系列的check，终于，我们到了MainResourceLoader，开始load->loadNow，在这里，我们发送了网络请求。

      下面这段大致讲了网络部分的结构，熟悉这部分的可以直接忽略。

      ResourceHandleManager作为网络部分的管理者，需要听命ResourceHandle这个决策者，而ResourceHandle有个秘书代为实现一切，这个秘书就是ResourceHandleInternal。

      我们发送网络请求，就是把请求告诉ResourceHanlde，ResourceHandle调用ResourceHandle::create，往ResourceHandleManager里面添加一个job（ResourceHanlde）。ResourceHandleManager由timer驱动下载任务，下载完成后通知ResourceHandle，但是，ResourceHandle的工作太重了，就把这部分工作给了ResourceHandleClient。ResourceHandleClient就是负责下载的资源管理的。

      ResouceHandleClient只是个接口，实现部分又有ResourceLoader来承接公共部分，ResourceLoader的子类MainResourceLoader和SubResourceLoader来承担具体的任务。

      说了这么多废话，如果前面你都懂，下面开始正题了

      网络把资源给了MainResourceLoader之后(didReceiveData)，然后通知DocumentLoader(documentLoader()->receivedData)，触发commitLoad，调用FrameLoaderClient的commitLoad( frameLoader->client()->committedLoad)

      一般的FrameLoaderClient中的committedLoad如下流程

void FrameLoaderClient::committedLoad(WebCore::DocumentLoader* loader, const char* data, int length)
{
    if (!m_pluginView) {
        ASSERT(loader->frame());
        loader->commitData(data, length);
        Frame* coreFrame = loader->frame();
        if (coreFrame && coreFrame->document()->isMediaDocument())
            loader->cancelMainResourceLoad(coreFrame->loader()->client()->pluginWillHandleLoadError(loader->response()));
    }
   ...
}

      调用到DocumentLoader的commitData方法里面，在这里，就涉及到了编码选择问题，请看代码

void DocumentLoader::commitData(const char* bytes, int length)
{
    // Set the text encoding.  This is safe to call multiple times.
    bool userChosen = true;
    String encoding = overrideEncoding();
    if (encoding.isNull()) {
        userChosen = false;
        encoding = response().textEncodingName();
    }
    m_writer.setEncoding(encoding, userChosen);
    ASSERT(m_frame->document()->parsing());
    m_writer.addData(bytes, length);
}

      我没有看到overrideEncoding在这里有什么用，所以，这时候，使用的是HTTP Response的TextEncodingName。然后，就告诉DocumentWriter接收数据。

      DocumentWriter的addData会把任务分配给DocumentParser来解析。对于dom来说，这项任务又落在了DocumentParser的子类DecodedDataDocumentParser的身上。

      我们来看看DecodedDataDocumentParser的appendBytes函数，如下

void DecodedDataDocumentParser::appendBytes(DocumentWriter* writer , const char* data, int length, bool shouldFlush)
{
    if (!length && !shouldFlush)
        return;
    TextResourceDecoder* decoder = writer->createDecoderIfNeeded();
    String decoded = decoder->decode(data, length);
    if (shouldFlush)
        decoded += decoder->flush();
    if (decoded.isEmpty())
        return;
    writer->reportDataReceived();
    append(decoded);
}

      在这里，我们终于看到了decode函数。稍等，我们看看decoder是如何创建出来的。

TextResourceDecoder* DocumentWriter::createDecoderIfNeeded()
{
   ...
   if (Settings* settings = m_frame->settings()) {
            m_decoder = TextResourceDecoder::create(m_mimeType,
                settings->defaultTextEncodingName(),
                settings->usesEncodingDetector());
            Frame* parentFrame = m_frame->tree()->parent();
if (canReferToParentFrameEncoding(m_frame, parentFrame))
                m_decoder->setHintEncoding(parentFrame->document()->decoder());
        } else
            m_decoder = TextResourceDecoder::create(m_mimeType, String());
        Frame* parentFrame = m_frame->tree()->parent();
        if (m_encoding.isEmpty()) {
            if (canReferToParentFrameEncoding(m_frame, parentFrame))
                m_decoder->setEncoding(parentFrame->document()->inputEncoding(), TextResourceDecoder::EncodingFromParentFrame);
        } else {
            m_decoder->setEncoding(m_encoding,
                m_encodingWasChosenByUser ? TextResourceDecoder::UserChosenEncoding : TextResourceDecoder::EncodingFromHTTPHeader);
        }
        m_frame->document()->setDecoder(m_decoder.get());

      这里，我们看到如果用户选择了编码，就按照用户的编码，如果没有选择，就使用HTTP header的编码。

      再回到appendBytes中，最后调用append，把解码后的数据给了谁呢？给了HTMLDocumentParser，然后就是开始分析tag等。