浏览器是怎么把html文档解析成DOM结构的

Posted 2023-04-27

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了浏览器是怎么把html文档解析成DOM结构的相关的知识，希望对你有一定的参考价值。

DOM与html文档到底是什么关系，网上找的就不要说了！

浏览器解析html的过程如下：
HTML解析器的工作是解析HTML标记到解析树
1)HTML语法定义
HTML的词汇与句法定义在w3c组织创建的规范中。当前版本是HTML4，HTML5的工作正在进行中。
2)不是上下文无关语法
在对解析器的介绍中看到，语法可以用类似BNF的格式规范地定义。不幸的是所有常规解析器的讨论都不适用于HTML（我提及它们并不是为了娱乐，它们可以用于解析CSS和javascript）。HTML无法用解析器所需的上下文无关的语法来定义。过去HTML格式规范由DTD (Document Type Definition)来定义，但它不是一个上下文无关语法。
HTML与XML相当接近。XML有许多可用的解析器。HTML还有一个XML变种叫XHTML，那么它们主要区别在哪里呢？区别在于HTML应用更加”宽容”，它容许你漏掉一些开始或结束标签等。它整个是一个“软”句法，不像XML那样严格死板。总的来说这一看似细微的差别造成了两个不同的世界。一方面这使得HTML很流行，因为它包容你的错误，使网页作者的生活变得轻松。另一方面，它使编写语法格式变得困难。所以综合来说，HTML解析并不简单，现成的上下文相关解析器搞不定，XML解析器也不行。
3)HTML DTD
HTML的定义使用DTD文件。这种格式用来定义SGML族语言，它包含对所有允许的元素的定义，包括它们的属性和层级关系。如我们前面所说，HTML DTD构不成上下文无关语法。
DTD有几种不同类型。严格模式完全尊守规范，但其它模式为了向前兼容可能包含对早期浏览器所用标签的支持。当前的严格模式DTD：http://www.w3.org/TR/html4/strict.dtd
4)DOM
解析器输出的树是由DOM元素和属性节点组成的。DOM的全称为：Document Object Model。它是HTML文档的对象化描述，也是HTML元素与外界（如Javascript）的接口。
DOM与标签有着几乎一一对应的关系，如下：
<html>
<body>
<p>hello world</p>
<div><img src="aa.png"/></div>
</body>
</html> 参考技术A 举个例子：

你把html看做是一个装有行李的行李箱，箱子里外会有各种大小的储物空间，储物空间里可以放东西。那么，这个装有行李的箱子就可以看是html文档，各个储物空间类似于html的闭合的标签，比如<div></div>，箱子里的衣服看做是某个标签中得数据，比如某个标签中的字符串"HELLO WORLD"。

假设，全球范围内需要使用一种“机器”对过安检的箱子进行检查，检查过程为：打开箱子，分别去各个储物空间把东西拿出来，检查完毕后再把东西放进去。
为了便于各种类型的“机器”能方便的检查行李箱，人类提出了一种可供机器使用的模块，这种模块可以把箱子抽象为一种类似于树的数据结构，所有可以操作这种树形结构的机器，都可以很方便的检查行李箱中得东西。这种模块就类似于DOM。

那么，HTML可以看做是结构性的文本，然后可以将其抽象为DOM类型的模型，这样所有的程序处理模块只要能够处理DOM，那么就可以处理HTML。

总之，你也可以自己通过自己定义的方法去操作HTML文本，但是基于DOM的操作会更加方便，因为你不需要考虑HTML文本的内容格式，你只需要关心结构良好的DOM文档，并且现成的开发接口提供了丰富的DOM操作接口。本回答被提问者采纳

Dom

本文很多内容来自阮一峰的教程；仅做学习，无商业用途；

DOM 是 JavaScript 操作网页的接口，全称为“文档对象模型”（Document Object Model）。它的作用是将网页转为一个 JavaScript 对象，从而可以用脚本进行各种操作（比如增删内容）。

浏览器会根据 DOM 模型，将结构化文档（比如 HTML 和 XML）解析成一系列的节点，再由这些节点组成一个树状结构（DOM Tree）。所有的节点和最终的树状结构，都有规范的对外接口。所以，DOM 可以理解成网页的编程接口。

节点

DOM的最小组成单位叫做节点（node）。文档的树形结构（DOM树），就是由各种不同类型的节点组成。每个节点可以看作是文档树的一片叶子。

节点的类型有七种。

1 Document：整个文档树的顶层节点
2 DocumentType：doctype标签（比如<!DOCTYPE html>）
3 Element：网页的各种HTML标签（比如<body>、<a>等）
4 Attribute：网页元素的属性（比如class="right"）
5 Text：标签之间或标签包含的文本
6 Comment：注释
7 DocumentFragment：文档的片段