HTMLParser1.6 源代码阅读

吸取上次代码过多的教训，这次主要讲设计。

org.htmlparser.lexer 包，是主要的进行html解析的包。Page类可以根绝传入的urlConnection，text，stream等类型，构造相应的Page对象，Page对象中比较关键的是Source，url，PageIndex对象，他们的用途是：Source相当于一个Reader，但是与Reader不同的地方是，Source应当是线程同步的，字符可以改变，而且有可能多次请求。这边主要是要对解析的内容进行记录，记录位置等信息。Source是抽象类，具体的实现是StringSource和InputStreamSource。而inputStreamSource 的同步操作是依赖Stream类实现的同步方法。对于string类型的的source，直接构造相应buffered data即可。pageIndex对象是是对每行的第一个字符的位置进行记录。最后lexer是对page对象进行词法解析，我们看到有如下的几个方法，parseCDATA，scanJIS，parseString，parseTag，parseRemark，parseJsp，parsePI。这个可能要根据不同的页面进行不同的解析方法的编写。剩下的比较重要的包无非就是filter包。那这样我们对HTMLParser的构造就大致了解了，用图呈现如下：

---

HTMLParser各个包之间的关系图（只将比较重要的几个类，用流程的方式串联起来）

以上是我对htmlparser 包和类之间的分析，具体的htmlparser的包的组织结构如下图：

大部分的包都在关系图中显示了，剩下的是一些测试包，一些数据的组织包，并不是htmlparser的核心。按照这个思路，下一步可以自己做一个小型的parser解析器了。

总感觉少了点什么，缺又不清楚少了什么。