简单 html parser (未完成)
This commit is contained in:
179
lib/parser.js
Normal file
179
lib/parser.js
Normal file
@@ -0,0 +1,179 @@
|
|||||||
|
/**
|
||||||
|
* 简单 HTML Parser
|
||||||
|
*
|
||||||
|
* @author 老雷<leizongmin@gmail.com>
|
||||||
|
*/
|
||||||
|
|
||||||
|
|
||||||
|
/**
|
||||||
|
* 获取标签的名称
|
||||||
|
*
|
||||||
|
* @param {String} html 如:'<a hef="#">'
|
||||||
|
* @return {String}
|
||||||
|
*/
|
||||||
|
function getTagName (html) {
|
||||||
|
var i = html.indexOf(' ');
|
||||||
|
if (i === -1) {
|
||||||
|
var tagName = html.slice(1, -1);
|
||||||
|
} else {
|
||||||
|
var tagName = html.slice(1, i + 1);
|
||||||
|
}
|
||||||
|
tagName = tagName.trim().toLowerCase();
|
||||||
|
if (tagName[0] === '/') tagName = tagName.slice(1);
|
||||||
|
return tagName;
|
||||||
|
}
|
||||||
|
|
||||||
|
/**
|
||||||
|
* 是否为闭合标签
|
||||||
|
*
|
||||||
|
* @param {String} html 如:'<a hef="#">'
|
||||||
|
* @return {Boolean}
|
||||||
|
*/
|
||||||
|
function isClosing (html) {
|
||||||
|
return (html.slice(0, 2) === '</');
|
||||||
|
}
|
||||||
|
|
||||||
|
/**
|
||||||
|
* 分析HTML代码,调用相应的函数处理,返回处理后的HTML
|
||||||
|
*
|
||||||
|
* @param {String} html
|
||||||
|
* @param {Function} onTag 处理标签的函数
|
||||||
|
* 参数格式: function (originPosition, position, tag, html, isClosing)
|
||||||
|
* @param {Function} escapeHtml 对HTML进行转义的韩松
|
||||||
|
* @return {String}
|
||||||
|
*/
|
||||||
|
function parseTag (html, onTag, escapeHtml) {
|
||||||
|
'user strict';
|
||||||
|
|
||||||
|
var rethtml = ''; // 待返回的HTML
|
||||||
|
var lastPos = 0; // 上一个标签结束位置
|
||||||
|
var tagStart = false; // 当前标签开始位置
|
||||||
|
var quoteStart = false; // 引号开始位置
|
||||||
|
var currentPos = 0; // 当前位置
|
||||||
|
var len = html.length; // HTML长度
|
||||||
|
var currentHtml = ''; // 当前标签的HTML代码
|
||||||
|
var currentTagName = ''; // 当前标签的名称
|
||||||
|
|
||||||
|
// 逐个分析字符
|
||||||
|
for (currentPos = 0; currentPos < len; currentPos++) {
|
||||||
|
var c = html.charAt(currentPos);
|
||||||
|
if (tagStart === false) {
|
||||||
|
if (c === '<') {
|
||||||
|
tagStart = currentPos;
|
||||||
|
continue;
|
||||||
|
}
|
||||||
|
} else {
|
||||||
|
if (quoteStart === false) {
|
||||||
|
if (c === '<') {
|
||||||
|
rethtml += escapeHtml(html.slice(lastPos, currentPos));
|
||||||
|
tagStart = currentPos;
|
||||||
|
lastPos = currentPos;
|
||||||
|
continue;
|
||||||
|
}
|
||||||
|
if (c === '>') {
|
||||||
|
rethtml += escapeHtml(html.slice(lastPos, tagStart));
|
||||||
|
currentHtml = html.slice(tagStart, currentPos + 1);
|
||||||
|
currentTagName = getTagName(currentHtml);
|
||||||
|
rethtml += onTag(currentPos,
|
||||||
|
rethtml.length,
|
||||||
|
currentTagName,
|
||||||
|
currentHtml,
|
||||||
|
isClosing(currentHtml));
|
||||||
|
lastPos = currentPos + 1;
|
||||||
|
tagStart = false;
|
||||||
|
continue;
|
||||||
|
}
|
||||||
|
if (c === '"' || c === "'") {
|
||||||
|
quoteStart = c;
|
||||||
|
continue;
|
||||||
|
}
|
||||||
|
} else {
|
||||||
|
if (c === quoteStart) {
|
||||||
|
quoteStart = false;
|
||||||
|
continue;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
if (lastPos < html.length) {
|
||||||
|
rethtml += escapeHtml(html.substr(lastPos));
|
||||||
|
}
|
||||||
|
|
||||||
|
return rethtml;
|
||||||
|
}
|
||||||
|
|
||||||
|
// 不符合属性名称规则的正则表达式
|
||||||
|
var REGEXP_ATTR_NAME = /[^a-zA-Z0-9_:\.\-]/img;
|
||||||
|
|
||||||
|
/**
|
||||||
|
* 分析标签HTML代码,调用相应的函数处理,返回HTML
|
||||||
|
*
|
||||||
|
* @param {String} html 如标签'<a href="#" target="_blank">' 则为 'href="#" target="_blank"'
|
||||||
|
* @param {Function} onAttr 处理属性值的函数
|
||||||
|
* 函数格式: function (name, value)
|
||||||
|
* @return {String}
|
||||||
|
*/
|
||||||
|
function parseAttr (html, onAttr) {
|
||||||
|
'user strict';
|
||||||
|
|
||||||
|
var lastPos = 0; // 当前位置
|
||||||
|
var retHtml = ''; // 待返回的HTML
|
||||||
|
var tmpName = false; // 临时属性名称
|
||||||
|
var len = html.length; // HTML代码长度
|
||||||
|
|
||||||
|
function addAttr (name, value) {
|
||||||
|
name = name.trim();
|
||||||
|
name = name.replace(REGEXP_ATTR_NAME, '').toLowerCase();
|
||||||
|
if (name.length < 1) return;
|
||||||
|
retHtml += onAttr(name, value);
|
||||||
|
};
|
||||||
|
|
||||||
|
// 逐个分析字符
|
||||||
|
for (var i = 0; i < len; i++) {
|
||||||
|
var c = html.charAt(i),v;
|
||||||
|
if (tmpName === false && c === '=') {
|
||||||
|
tmpName = html.slice(lastPos, i);
|
||||||
|
lastPos = i + 1;
|
||||||
|
continue;
|
||||||
|
}
|
||||||
|
if (tmpName !== false) {
|
||||||
|
if (i === lastPos && (c === '"' || c === "'")) {
|
||||||
|
var j = html.indexOf(c, i + 1);
|
||||||
|
if (j === -1) {
|
||||||
|
break;
|
||||||
|
} else {
|
||||||
|
v = html.slice(lastPos + 1, j).trim();
|
||||||
|
addAttr(tmpName, v);
|
||||||
|
tmpName = false;
|
||||||
|
i = j;
|
||||||
|
lastPos = i + 1;
|
||||||
|
continue;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
if (c === ' ') {
|
||||||
|
v = html.slice(lastPos, i).trim();
|
||||||
|
if (tmpName === false) {
|
||||||
|
addAttr(v);
|
||||||
|
} else {
|
||||||
|
addAttr(tmpName, v);
|
||||||
|
}
|
||||||
|
tmpName = false;
|
||||||
|
lastPos = i + 1;
|
||||||
|
continue;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
if (lastPos < html.length) {
|
||||||
|
if (tmpName === false) {
|
||||||
|
addAttr(html.slice(lastPos));
|
||||||
|
} else {
|
||||||
|
addAttr(tmpName, html.slice(lastPos));
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
return retHtml.trim();
|
||||||
|
}
|
||||||
|
|
||||||
|
exports.parseTag = parseTag;
|
||||||
|
exports.parseAttr = parseAttr;
|
||||||
Reference in New Issue
Block a user