Класс DocumentParser

public class DocumentParser extends Parser

Парсер для HTML-документов (на самом деле, вы можете указать DTD, но вы действительно должны использовать этот класс только с html dtd в swing). Читает InputStream HTML и вызывает соответствующие методы в классе ParserCallback. Это парсер по умолчанию, используемый HTMLEditorKit для парсинга HTML-ссылок.

Этот парсер сообщит обратной функции обо всех допустимых тегах, а также о тегах, которые подразумеваются, но не указаны явно. Например, строка html (<p>blah) определяет только тег p. Обратная функция увидит следующие методы:

1. handleStartTag(html, ...)
2. handleStartTag(head, ...)
3. handleEndTag(head)
4. handleStartTag(body, ...)
5. handleStartTag(p, ...)
6. handleText(...)
7. handleEndTag(p)
8. handleEndTag(body)
9. handleEndTag(html)

Элементы в курсиве подразумеваются, то есть, хотя они явно не были указаны, для правильности html они должны были быть присутствовать (head не нужен, но он все равно генерируется). Для тегов, которые подразумеваются, аргумент AttributeSet будет иметь значение Boolean.TRUE для ключа HTMLEditorKit.ParserCallback.IMPLIED.

HTML.Attributes определяет безопасное перечисление html-атрибутов. Если ключ атрибута тега определен в HTML.Attribute, то HTML.Attribute будет использоваться в качестве ключа, в противном случае будет использоваться строка. Например, <p foo=bar class=neat> имеет два атрибута. foo не определен в HTML.Attribute, в то время как class определен, поэтому AttributeSet будет содержать два значения: HTML.Attribute.CLASS со строковым значением 'neat' и строковый ключ 'foo' со строковым значением 'bar'.

Аргумент position укажет начало тега, комментария или текста. Подобно массивам, первый символ в потоке имеет позицию 0. Для тегов, которые подразумеваются, position укажет расположение следующего встреченного тега. В первом примере подразумеваемые начальные теги body и html будут иметь ту же позицию, что и тег p, а подразумеваемые конечные теги p, html и body будут иметь ту же позицию.

Так как html пропускает пробелы, позиция для текста будет позицией первого допустимого символа, например, в строке '\n\n\nblah' текст 'blah' будет иметь позицию 3, новые строки пропущены.

Для атрибутов, у которых нет значения, например, в строке html <foo blah> атрибут blah не имеет значения, существуют два возможных значения, которые будут помещены в значение AttributeSet:

• Если DTD не содержит определения для элемента или определение не имеет явного значения, то значение в AttributeSet будет HTML.NULL_ATTRIBUTE_VALUE.
• Если DTD содержит явное значение, как в: <!ATTLIST OPTION selected (selected) #IMPLIED> будет использоваться это значение из dtd (в данном случае selected).

После того, как поток был проанализирован, обратная функция получает уведомление о наиболее вероятной строке конца строки. Строка конца строки будет одной из \n, \r или \r\n, какая из них встречается чаще всего при анализе потока.