Nokogiri 如何将 HTML 格式的字符串解析为 DOM答案

【问题标题】：How Nokogiri parse a HTML-form string into DOMNokogiri 如何将 HTML 格式的字符串解析为 DOM
【发布时间】：2023-03-03 12:19:01
【问题描述】：

我一直在研究 Nokogiri 源代码，但不知道 Nokogiri 如何将字符串解析为 Elements。源代码可以在这里找到：

https://github.com/sparklemotion/nokogiri/tree/master/lib/nokogiri

例如：我有一个字符串：

raw = "<html> <body> body <div>this is div </div> </body> <html>"

Nokogiri::HTML(raw)
=> 
#(Document:0x4d0c786 {
  name = "document",
  children = [
    #(DTD:0x4d0bc6e { name = "html" }),
    #(Element:0x4cfa46e {
      name = "html",
      children = [
        #(Element:0x4cf9bfe {
          name = "body",
          children = [
            #(Text "body"),
            #(Element:0x4cf9348 {
              name = "div",
              children = [ #(Text "this is div")]
              })]
          })]
      })]
  })

我查看了nokogiri / lib / nokogiri / xml / sax，我看不到它如何解释 html 字符串。当我尝试阅读源代码时，我意识到在上面的输出中，有数据类型Element，但我在源代码中没有看到声明class Element 的任何地方。

一般来说，谁能帮我解释一下 Nokogiri 如何将字符串解析为上面的数据结构？

【问题讨论】：

Nokogiri 使用 libxml2，一个原生 C 库。实际上是 libxml2 进行解析。
谢谢。你知道 ruby 是如何与 libxml2 交互的吗？
你可能需要看看 C 的东西 (github.com/sparklemotion/nokogiri/tree/master/ext/nokogiri)
您在stackoverflow.com/questions/13791789/… 中提出了一个非常相似的问题。为什么选择的答案没有帮助？它是如何工作的超出了 Stack Overflow 的范围。
该问题询问是否存在将 HTML 解析为 DOM 的任何工具。 ,在这里我想更深入地了解它是如何工作的:-)。

标签： html ruby html-parsing nokogiri

【解决方案1】：

如前所述，Nokogiri 使用 libxml2 来处理实际的解析。这是使用本机（阅读：用 C 编码）Ruby 扩展来完成的。 Ruby 有一个well documented 标准接口，用于构建原生扩展。 Here is a good guide.

【讨论】：