上一章最开始大概介绍了浏览器工作的6个阶段，而上一章对第一个部分通讯阶段进行了学习，也就是浏览器使用 HTTP 协议或者 HTTPS 协议，向服务端请求页面的整个过程；而这一章即阶段二主要从两个过程来学习：一是如何解析请求回来的 HTML 代码；而是 DOM 树是如何构建的。
解析代码
在上一章学习了 HTTP 的构成，但是在 Response 的 body 部分并没有具体的学习，这一章就会对 Response 的 body 部分进行学习处理； HTML 的结构不算太复杂，日常开发中需要的 90% 的“词”(词指编译原理的术语 token，表示最小的有意义的单元)，种类大约只有标签开始、属性、标签结束、注释、CDATA节点几种。
实际上麻烦的是，由于 HTML 跟 SGML 的千丝万缕的联系，我们需要做不少的兼容处理；像“<?”和“<%”什么的也是必须要支持好的，报错了必须给出回应。
- 词(token)是如何被拆分的
首先看一个标准的标签会被如何拆分：
1 | <p class="a">text brand</p> |
如果从最小有意义的定义来拆分，第一个词(token)是什么？显然，作为一个词(token)，整个 p 标签肯定是过大(因为标签还可以嵌套其它标签内容)。
那么，只用 p 标签的开头是不是合适？因为在起始标签也是会包含属性的，那么最小的意义单元其实是 “<p”，所以 “<p” 就是我们的第一个词 (token)。
继续拆分，可以吧这段代码依次拆成词(token)：
- <p “标签开始”的开始
- class=”a” 属性
“标签开始”的结束
- text brand 文本
- 标签结束
这就是这个例子的最小有意义单元拆分，那这些全部的词(token)长成什么样子：
根据这里的分析可以设想，代码开始从 HTTP 协议收到的字符流读取字符，在接收第一个字符之前，我们无法判断这是哪一个词(token)，不过，随着接收的字符越来越多，拼出其他的内容的可能性就越来越小；比如，假设我们接收了一个字符“<”，我们一下就知道这不是文本节点，之后再继续读字符，比如是 x，那么这就知道了它不是注释和 CDATA 了，接下来继续读，直到遇到 “>”或者空格，这样就得到了一个完整的词(token)。
实际上，每读入一个字符就需要做一次决策，而且这些决定是跟“当前状态”有关的，在这样的条件下，浏览器工程师要想实现把字符解析成词(token)，最常见的方案就是使用状态机。
- 状态机
绝大多数语言的词法部分都是用状态机实现的，这里把部分词(token)的解析化成一个状态机：
这里借鉴winter老师给出的状态机图，他说整整的 HTML 词法状态机更复杂，详细内容看 HTML官方文档，HTML 官方文档规定了80个状态。
这里是为了理解原理，用一个简单的状态机来说明问题；状态机的初始状态，我们仅仅区分 “<” 和 “>”：
- 如果获得的是一个非 < 字符，那么可以认为进入了一个文本节点
- 如果获得的是一个 < 字符，那么进入一个标签状态
不过当我们在标签状态时，则会面临着一些可能性：
- 比如下一个字符是 “!”，那么很可能是进入了主世界地那好欧哲 CDATA 节点
- 如果下一个字符是 “/”，那么可以确定进入了一个结束标签
- 如果下一个字符是字母，那么可以确定进入了一个开始标签
- 如果我们要完整处理各种 HTML 标准中定义的东西，那么还要考虑 “?” “%” 等内容
可以看出，用状态机做词法分析，其实正是把每个词的“特征字符”逐个拆开成独立状态，然后再把所有词的特征字符链合并起来，形成一个联通图结构。