html解析模型

轉載：http://blog.csdn.net/dlmu2001/article/details/6001029

  

   如上是html解析模型圖，如圖所示，html解析模型的輸入是unicode字符流，經過tokenization和tree construction兩個階段，輸出Document對象。

一般情況下，Tokenization階段處理的數據來自網絡，但它也可以來自於運行在用戶代理上的腳本，比如，使用document.wrinte()這樣的API。

Tokenizer和tree construction狀態都只有一套，但是tree construction是可重入的，tree construction階段在處理一個token的時候，tokenizer可能得以繼續，導致在第一個token沒有完成之前，其它的token被釋放並處理。

…

<script>

Document.write(‘<p>’);

</script>

…

比如，如上的代碼，tree construction階段在處理”script”結束標籤的時候，會被要求處理”p”起始標籤。