Webkit底层原理(3)--HTML解释器
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/caomage/article/details/102072801
1. 解释过程
HTML解释器的工作就是将从网络或本地磁盘获取的HTML网页和资源从字节流解释成DOM树结构。如下图：
图中将这一过程描述得很清晰：首先是字节流，经过解码之后是字符流，然后通过词法分析器会被解释成词语（Tokens），之后经过语法分析器构建成节点，最后这些节点被组成一颗DOM树。
2. 词法分析
在进行词法分析之前，解释器首先要做的就是检查该网页内容使用的编码格式，以便后面使用合适的解码器。如果解释器在HTML网页中找到了设置的编码格式，Webkit会使用相应的解码器将字节流转换成特定格式的字符串。如果没有特殊的格式，词法分析器HTMLTokenizer可以直接进行词法分析。 词法分析的工作都是由HTMLTokenier来完成，简单来说，它就是一个状态机–输入的是字符串，输出的是一个个的词语。因为字节流可能是分段的，所以输入的字符串可能也是分段的，但是这对词法分析器来说没什么特别之处，它会自己维护内部的状态信息。 词法分析器的主要接口是nextToken函数，调用者只需要将字符串传入，然后就会得到一个词语，并对传入的字符串设置相应的信息，表示当前处理完的位置，如此循环。如果词法分析器遇到错误，则报告状态错误码。 而对于词语的类别，Webkit是定义了很少，HTMLToken定义了6种词语类别，包括：DOCTYPE、StartTag、EndTag、Comment、Character和EndOfFile。这里不涉及HTML的标签类型等信息，那是后面语法分析的工作。
3. XSSAuditor验证词语
XSSAuditor是一个重要的类，是面试中会经常遇到的一个问题。 当词语生成之后，Webkit需要使用XSSAuditor来验证词语流（Token Stream）。XSS指的是Cross Site Security，主要是针对安全方面的考虑。 根据XSS的安全机制，对于解析出来的这些词语，可能会阻碍某些内容的进一步执行，所以XSSAuditor主要负责过滤这些被阻止的内容，只有通过的词语词啊会作后面的处理。详细的内容后面的文章我会再做介绍。
4. 词语到节点，从节点到DOM树
经过词法分析器解释之后的词语随之被XSSAuditor过滤并且在没有被阻止之后，将被Webkit用来构建DOM节点。主要是利用之前分成的6种词语，生成对应的节点。 因为HTML文档的Tag标签是有开始和结束标记的，所以构建这一过程可以使用栈结构来帮忙。其中，使用一个栈来保存元素节点，其中的元素节点是当前有开始标记但是还没有结束标记的元素节点。想象一下HTML文档的特点，例如：
<body>
<div>
<span></span>
</div>
</body>当解释到span标签元素的开始标记时，栈中的元素就是body、div和span，当遇到span的结束标记时，span出栈，span时div的子女；当遇到div的结束标记时，div出栈，表明div和它的子女都已经处理完毕，以此类推。
5. 线程化的解释器
顾名思义，线程化的解释器就是利用单独的线程来解释HTML文档。因为在Webkit中，网络资源的字节流自IO线程传递给渲染线程之后，后面的解释、布局和渲染等工作基本上都是工作在该线程，也就是渲染线程完成的。因为DOM树只能在渲染线程上创建和访问，这就是说构建DOM树的过程只能在渲染线程中进行。但是，从字符串到词语这个阶段可交给单独的线程来做，Chromium就是这个思想。
6. JavaScript的执行
在HTML解释器工作过程中，可能会有JavaScript代码需要执行，它发生在将字符串解释成词语之后、创建各种节点的时候。这也是为什么全局执行的JavaScript代码不能访问DOM树的原因–因为DOM树还没有被创建完成。
Webkit将DOM树创建过程中需要执行的JavaScript代码交给HTMLScriptRunner类来执行。工作方式很简单，就是利用JavaScript引擎来执行Node节点中包含的代码。
因为JavaScript代码可能会调用例如document。write()来修改文档结构，所以JavaScript代码的执行会阻塞后面节点的创建，同时当然也会阻塞后面资源的下载，这时候Webkit对需要什么资源一无所知，这导致了资源不能够并发的下载这种性能问题。所以使用JavaScript的时候有以下两点优化建议：
- 将
script标签加上async属性，表明这是一个可以异步执行的代码； - 将
script标签放到body元素的最后，也就是</body>之前。
此外，针对资源不能够并发的下载这种性能问题，Webkit使用预扫描和预加载机制来解决。具体的做法是：当遇到需要执行JavaScript代码的时候，Webkit先暂停当前JavaScript代码的执行，使用预扫描器来扫描后面的词语，如果发现需要使用其他资源，就会使用预加载器发送请求获取资源，在这之后，才开始执行JavaScript代码。预扫描器本身并不难创建节点，也不会创建DOM树，所以速度比较快。就是如此，还是建议使用上面的两点优化建议。
当DOM树构建完之后，Webkit触发DOMContentLoaded事件，注册在该事件上的JavaScript函数会被调用。当所有资源都被加载完之后，Webkit会触发onload事件。