HTML-Parser
背景:需求需要把 html 字符串转成 DOM 对象树或者 js 对象树,然后进行一些处理/操作。htmlparser 这个库还行,但是对 attribute 上一些特殊属性值转换不行,同时看了看开标签语法
(syntax-start-tag:whatwg)、html-attribute 的支持规则
(attributes:whatwg) 和一些其他库的实现,在一些边界场景(特殊属性值和web component)处理还是缺少,算了... 自己撸了个 html parser 的函数么好了。
本文主要是记录下实现过程,做个技术沉淀,有相关需求的可以做个参考。
前期处理
首先,定义一些正则表达式,用以匹配希望找到的内容
const ltReg = /\</g const gtReg = /\>/g const sqReg = /'/g const qReg = /"/g const sqAttrReg = /(?<=\=')[^']*?(?=')/g const qAttrReg = /(?<=\=")[^"]*?(?=")/g const qRegBk = /"/g const sqRegBk = /'/g const ltRegBk = /</g const gtRegBk = />/g const attrReplaceReg = /[\:\w\d_-]*?=(["].*?["]|['].*?['])/g const attrReg = /(?<=\s)([\:\w\d\-]+\=(["'].*?["']|[\w\d]+)|\w+)/g const numReg = /^\d+$/ const clReg = /\n/g const sReg = /\s/g const spReg = /\s+/g const tagReg = /\<[^\<\>]*?\>/ const startReg = /\<[^\/\!].*?\>/ const endReg = /\<\/.*?\>/ const commentReg = /(?<=\<\!\-\-).*?(?=\-\-\>)/ const tagCheckReg = /(?<=\<)[\w\-]+/
开始处理逻辑,拿个简单的 html 字符串做例子。
const str = ` <div id="container"> <div class="test" data-html="<p>hello 1</p>"> <p>hello 2</p> <input type="text" value="hello 3" > </div> </div> `
属性值转义
拿到字符串 str,取各个开标签,并将标签内的 attribute 里的特殊字符做转义字符替换,返回字符串 str1
const replaceAttribute = (html: string): string => { return html.replace(attrReplaceReg, v => { return v .replace(ltReg, '<') .replace(gtReg, '>') .replace(sqAttrReg, v => { return v.replace(qReg, '"') }) .replace(qAttrReg, v => { return v.replace(sqReg, ''') }) }) }
结果如下:
;`<div id="container"> <div class="test" data-html="<p>hello 1</p>"> <p>hello 2</p> <input type="text" value="hello 3" > </div> </div>`
形成内容数组
从上一步的字符串 str1 中截取出元素(元素是: 开标签、内容、闭合标签),放入新数组 arr。
const convertStringToArray = (html: string) => { let privateHtml = html let temporaryHtml = html const arr = [] while (privateHtml.match(tagReg)) { privateHtml = temporaryHtml.replace(tagReg, (v, i) => { if (i > 0) { const value = temporaryHtml.slice(0, i) if (value.replace(sReg, '').length > 0) { arr.push(value) } } temporaryHtml = temporaryHtml.slice(i + v.length) arr.push(v) return '' }) } return arr }
结果如下:
["<div id="container">", "<div class="test" data-html="<p>hello 1</p>">", "<p>", "hello 2", "</p>", "<input type="text" value="hello 3" >", "</div>", "</div>"]
生成对象树
循环上一步形成的 arr,处理成对象树
// 单标签集合 var singleTags = [ 'img', 'input', 'br', 'hr', 'meta', 'link', 'param', 'base', 'basefont', 'area', 'source', 'track', 'embed' ] // 其中 DomUtil 是根据 nodejs 还是 browser 环境生成 js 对象/ dom 对象的函数 var makeUpTree = function(arr) { var root = DomUtil('container') var deep = 0 var parentElements = [root] arr.forEach(function(i) { var parentElement = parentElements[parentElements.length - 1] if (parentElement) { var inlineI = toOneLine(i) // 开标签处理,新增个开标签标记 if (startReg.test(inlineI)) { deep++ var tagName = i.match(tagCheckReg) if (!tagName) { throw Error('标签规范错误') } var element_1 = DomUtil(tagName[0]) var attrs = matchAttr(i) attrs.forEach(function(attr) { if (element_1) { element_1.setAttribute(attr[0], attr[1]) } }) parentElement.appendChild(element_1) // 单标签处理,deep--,完成一次闭合标记 if ( singleTags.indexOf(tagName[0]) > -1 || i.charAt(i.length - 2) === '/' ) { deep-- } else { parentElements.push(element_1) } } // 闭合标签处理 else if (endReg.test(inlineI)) { deep-- parentElements.pop() } else if (commentReg.test(inlineI)) { var matchValue = i.match(commentReg) var comment = matchValue ? matchValue[0] : '' deep++ var element = DomUtil('comment', comment) parentElement.appendChild(element) deep-- } else { deep++ var textElement = DomUtil('text', i) parentElement.appendChild(textElement) deep-- } } }) if (deep < 0) { throw Error('存在多余闭合标签') } else if (deep > 0) { throw Error('存在多余开标签') } return root.children }
结果如下:
;[ { attrs: { id: 'container' }, parentElement: [DomElement], children: [ { attrs: { class: 'test', 'data-html': '<p>hello 1</p>' }, parentElement: [DomElement], children: [ { attrs: {}, parentElement: [DomElement], children: [ { attrs: {}, parentElement: [DomElement], children: [], tagName: 'text', data: 'hello 2' } ], tagName: 'p' }, { attrs: { type: 'text', value: 'hello 3' }, parentElement: [DomElement], children: [], tagName: 'input' } ], tagName: 'div' } ], tagName: 'div' } ]
组合
组合以上的 3 个步骤
const Parser = (html: string) => { const htmlAfterAttrsReplace = replaceAttribute(html) const stringArray = convertStringToArray(htmlAfterAttrsReplace) const domTree = makeUpTree(stringArray) return domTree }
测试
最后肯定的要测试一波。
把 tuya / taobao / baidu / jd / tx
的首页或者新闻页都拷贝了 html 试了一波,基本在 100ms
内执行完,并且 dom 数量大概在几千的样子,对比了一番, html 字符串上的标签属性和对象的 attrs 对象,都还对应的上。
emm... 还算行,先用着。
最后
写代码么...开心就好
如果您对我们团队感兴趣,欢迎加入,期待您的加入,可以投递我的邮箱 liaojc@tuya.com !
更多岗位可以查看 Tuya 招聘
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
类加载器中的双亲委派模型详解
在上一篇文章中,我们梳理了类加载器的基本概念:类的生命周期、类加载器的作用、类的加载和卸载的时机等等,这篇文章我们接着前文继续复习类加载器的知识,主要包括:JVM中有哪些类加载器?它们之间是什么关系?什么是双亲委派机制? 双亲委派模型 四种类加载器 从JVM的角度看,类加载器主要有两类:Bootstrap ClassLoader和其他类加载,Bootstrap ClassLoader是C++语言实现,是虚拟机自身的一部分;其他类加载器都是Java语言实现,不属于虚拟机,全部继承自抽象类java.lang.ClassLoader。 从Java开发者的角度看,需要了解类加载器的双亲委派模型,如下图所示: Bootstrap ClassLoader:启动类加载器,这个类加载器将负责存放在/lib目录中、被-Xbootclasspath参数所指定的路径中,并且是虚拟机会识别的jar类库加载到内存中。更直白点说,就是我们常用的java.lang开头的那些类,一定是被Bootstrap ClassLoader加载的。 Extension ClassLoader:扩展类加载器,这个类加载器由sun....
- 下一篇
《阿里云前端技术周刊》第十九期
作者: @语安 校对:@行剑 @牧曈 知乎:阿里云中台前端/全栈团队专栏 Github:阿里云前端技术周刊 给我们投稿:传送门 参与交流:传送门 前端速报 React 新的DevTools 带来新的改动,现在可以在Chrome,Firefox和(Chromium)Edge中使用。传送门 V8发布 V7.7。这次发布的主要一些亮点在于:1.性能(大小和速度)上:延迟反馈分配;可扩展WebAssembly后台编译以及堆栈跟踪改进。2. JavaScript语言特性:Intl.NumberFormat API在此版本中新增了功能。传送门 第5届 FEDAY 将于 9.21 号在成都举办,欢迎大家戳->传送门 趣前端 reveal.js,用来做 HTML 幻灯片的框架,支持 HTML 和 Markdown 语法。传送门 Lugia 是一整套面向云原生化大前端生态解决方案。希望把交互设计与前端应用代码开发有机的融为一体,形成一种跨时代的大前端生态技术规范。传送门 Demo!CSS 也能实现一个很酷的骏马效果。传送门 编者推荐 checkValidity 等 form 原生 JS 验证方法和...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- SpringBoot2全家桶,快速入门学习开发网站教程
- CentOS8编译安装MySQL8.0.19
- SpringBoot2整合Redis,开启缓存,提高访问速度
- CentOS7,CentOS8安装Elasticsearch6.8.6
- CentOS6,CentOS7官方镜像安装Oracle11G
- Windows10,CentOS7,CentOS8安装Nodejs环境
- Red5直播服务器,属于Java语言的直播服务器
- Springboot2将连接池hikari替换为druid,体验最强大的数据库连接池
- SpringBoot2整合Thymeleaf,官方推荐html解决方案
- CentOS8,CentOS7,CentOS6编译安装Redis5.0.7