248 lines
5.5 KiB
JavaScript
248 lines
5.5 KiB
JavaScript
|
/**
|
|||
|
* Simple HTML Parser
|
|||
|
*
|
|||
|
* @author Zongmin Lei<leizongmin@gmail.com>
|
|||
|
*/
|
|||
|
|
|||
|
var _ = require("./util");
|
|||
|
|
|||
|
/**
|
|||
|
* get tag name
|
|||
|
*
|
|||
|
* @param {String} html e.g. '<a hef="#">'
|
|||
|
* @return {String}
|
|||
|
*/
|
|||
|
function getTagName(html) {
|
|||
|
var i = _.spaceIndex(html);
|
|||
|
if (i === -1) {
|
|||
|
var tagName = html.slice(1, -1);
|
|||
|
} else {
|
|||
|
var tagName = html.slice(1, i + 1);
|
|||
|
}
|
|||
|
tagName = _.trim(tagName).toLowerCase();
|
|||
|
if (tagName.slice(0, 1) === "/") tagName = tagName.slice(1);
|
|||
|
if (tagName.slice(-1) === "/") tagName = tagName.slice(0, -1);
|
|||
|
return tagName;
|
|||
|
}
|
|||
|
|
|||
|
/**
|
|||
|
* is close tag?
|
|||
|
*
|
|||
|
* @param {String} html 如:'<a hef="#">'
|
|||
|
* @return {Boolean}
|
|||
|
*/
|
|||
|
function isClosing(html) {
|
|||
|
return html.slice(0, 2) === "</";
|
|||
|
}
|
|||
|
|
|||
|
/**
|
|||
|
* parse input html and returns processed html
|
|||
|
*
|
|||
|
* @param {String} html
|
|||
|
* @param {Function} onTag e.g. function (sourcePosition, position, tag, html, isClosing)
|
|||
|
* @param {Function} escapeHtml
|
|||
|
* @return {String}
|
|||
|
*/
|
|||
|
function parseTag(html, onTag, escapeHtml) {
|
|||
|
"use strict";
|
|||
|
|
|||
|
var rethtml = "";
|
|||
|
var lastPos = 0;
|
|||
|
var tagStart = false;
|
|||
|
var quoteStart = false;
|
|||
|
var currentPos = 0;
|
|||
|
var len = html.length;
|
|||
|
var currentTagName = "";
|
|||
|
var currentHtml = "";
|
|||
|
|
|||
|
chariterator: 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(
|
|||
|
tagStart,
|
|||
|
rethtml.length,
|
|||
|
currentTagName,
|
|||
|
currentHtml,
|
|||
|
isClosing(currentHtml)
|
|||
|
);
|
|||
|
lastPos = currentPos + 1;
|
|||
|
tagStart = false;
|
|||
|
continue;
|
|||
|
}
|
|||
|
if (c === '"' || c === "'") {
|
|||
|
var i = 1;
|
|||
|
var ic = html.charAt(currentPos - i);
|
|||
|
|
|||
|
while (ic.trim() === "" || ic === "=") {
|
|||
|
if (ic === "=") {
|
|||
|
quoteStart = c;
|
|||
|
continue chariterator;
|
|||
|
}
|
|||
|
ic = html.charAt(currentPos - ++i);
|
|||
|
}
|
|||
|
}
|
|||
|
} else {
|
|||
|
if (c === quoteStart) {
|
|||
|
quoteStart = false;
|
|||
|
continue;
|
|||
|
}
|
|||
|
}
|
|||
|
}
|
|||
|
}
|
|||
|
if (lastPos < html.length) {
|
|||
|
rethtml += escapeHtml(html.substr(lastPos));
|
|||
|
}
|
|||
|
|
|||
|
return rethtml;
|
|||
|
}
|
|||
|
|
|||
|
var REGEXP_ILLEGAL_ATTR_NAME = /[^a-zA-Z0-9_:\.\-]/gim;
|
|||
|
|
|||
|
/**
|
|||
|
* parse input attributes and returns processed attributes
|
|||
|
*
|
|||
|
* @param {String} html e.g. `href="#" target="_blank"`
|
|||
|
* @param {Function} onAttr e.g. `function (name, value)`
|
|||
|
* @return {String}
|
|||
|
*/
|
|||
|
function parseAttr(html, onAttr) {
|
|||
|
"use strict";
|
|||
|
|
|||
|
var lastPos = 0;
|
|||
|
var retAttrs = [];
|
|||
|
var tmpName = false;
|
|||
|
var len = html.length;
|
|||
|
|
|||
|
function addAttr(name, value) {
|
|||
|
name = _.trim(name);
|
|||
|
name = name.replace(REGEXP_ILLEGAL_ATTR_NAME, "").toLowerCase();
|
|||
|
if (name.length < 1) return;
|
|||
|
var ret = onAttr(name, value || "");
|
|||
|
if (ret) retAttrs.push(ret);
|
|||
|
}
|
|||
|
|
|||
|
// 逐个分析字符
|
|||
|
for (var i = 0; i < len; i++) {
|
|||
|
var c = html.charAt(i);
|
|||
|
var v, j;
|
|||
|
if (tmpName === false && c === "=") {
|
|||
|
tmpName = html.slice(lastPos, i);
|
|||
|
lastPos = i + 1;
|
|||
|
continue;
|
|||
|
}
|
|||
|
if (tmpName !== false) {
|
|||
|
if (
|
|||
|
i === lastPos &&
|
|||
|
(c === '"' || c === "'") &&
|
|||
|
html.charAt(i - 1) === "="
|
|||
|
) {
|
|||
|
j = html.indexOf(c, i + 1);
|
|||
|
if (j === -1) {
|
|||
|
break;
|
|||
|
} else {
|
|||
|
v = _.trim(html.slice(lastPos + 1, j));
|
|||
|
addAttr(tmpName, v);
|
|||
|
tmpName = false;
|
|||
|
i = j;
|
|||
|
lastPos = i + 1;
|
|||
|
continue;
|
|||
|
}
|
|||
|
}
|
|||
|
}
|
|||
|
if (/\s|\n|\t/.test(c)) {
|
|||
|
html = html.replace(/\s|\n|\t/g, " ");
|
|||
|
if (tmpName === false) {
|
|||
|
j = findNextEqual(html, i);
|
|||
|
if (j === -1) {
|
|||
|
v = _.trim(html.slice(lastPos, i));
|
|||
|
addAttr(v);
|
|||
|
tmpName = false;
|
|||
|
lastPos = i + 1;
|
|||
|
continue;
|
|||
|
} else {
|
|||
|
i = j - 1;
|
|||
|
continue;
|
|||
|
}
|
|||
|
} else {
|
|||
|
j = findBeforeEqual(html, i - 1);
|
|||
|
if (j === -1) {
|
|||
|
v = _.trim(html.slice(lastPos, i));
|
|||
|
v = stripQuoteWrap(v);
|
|||
|
addAttr(tmpName, v);
|
|||
|
tmpName = false;
|
|||
|
lastPos = i + 1;
|
|||
|
continue;
|
|||
|
} else {
|
|||
|
continue;
|
|||
|
}
|
|||
|
}
|
|||
|
}
|
|||
|
}
|
|||
|
|
|||
|
if (lastPos < html.length) {
|
|||
|
if (tmpName === false) {
|
|||
|
addAttr(html.slice(lastPos));
|
|||
|
} else {
|
|||
|
addAttr(tmpName, stripQuoteWrap(_.trim(html.slice(lastPos))));
|
|||
|
}
|
|||
|
}
|
|||
|
|
|||
|
return _.trim(retAttrs.join(" "));
|
|||
|
}
|
|||
|
|
|||
|
function findNextEqual(str, i) {
|
|||
|
for (; i < str.length; i++) {
|
|||
|
var c = str[i];
|
|||
|
if (c === " ") continue;
|
|||
|
if (c === "=") return i;
|
|||
|
return -1;
|
|||
|
}
|
|||
|
}
|
|||
|
|
|||
|
function findBeforeEqual(str, i) {
|
|||
|
for (; i > 0; i--) {
|
|||
|
var c = str[i];
|
|||
|
if (c === " ") continue;
|
|||
|
if (c === "=") return i;
|
|||
|
return -1;
|
|||
|
}
|
|||
|
}
|
|||
|
|
|||
|
function isQuoteWrapString(text) {
|
|||
|
if (
|
|||
|
(text[0] === '"' && text[text.length - 1] === '"') ||
|
|||
|
(text[0] === "'" && text[text.length - 1] === "'")
|
|||
|
) {
|
|||
|
return true;
|
|||
|
} else {
|
|||
|
return false;
|
|||
|
}
|
|||
|
}
|
|||
|
|
|||
|
function stripQuoteWrap(text) {
|
|||
|
if (isQuoteWrapString(text)) {
|
|||
|
return text.substr(1, text.length - 2);
|
|||
|
} else {
|
|||
|
return text;
|
|||
|
}
|
|||
|
}
|
|||
|
|
|||
|
exports.parseTag = parseTag;
|
|||
|
exports.parseAttr = parseAttr;
|