Класс DocumentParser

public class DocumentParser extends Parser

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

Этот парсер будет сообщать обратной функции о всех допустимых тегах, а также о тегах, которые подразумеваются, но не указаны явно. Например, строка HTML (<p>blah) содержит 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 не были явно указаны, для правильности HTML они должны были быть присутствовать (head не является необходимым, но всё же генерируется). Для тегов, которые подразумеваются, аргумент AttributeSet будет иметь значение Boolean.TRUE для ключа HTMLEditorKit.ParserCallback.IMPLIED.

HTML.Attributes определяет безопасную по типам перечисление HTML-атрибутов. Если ключ атрибута тега определён в HTML.Attribute, HTML.Attribute будет использоваться в качестве ключа, в противном случае будет использоваться строка. Например, <p foo=bar class=neat> имеет два атрибута. foo не определён в HTML.Attribute, а class — есть, поэтому в AttributeSet будет две значения: HTML.Attribute.CLASS со строковым значением 'neat' и строковый ключ 'foo' со строковым значением 'bar'.

Аргумент position укажет начало тега, комментария или текста. Аналогично массивам, первый символ в потоке имеет позицию 0. Для тегов, которые подразумеваются, position укажет местоположение 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 одну и 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, переводы строк пропущены.

Для атрибутов, у которых нет значения, например, в строке HTML <foo blah>, атрибут blah не имеет значения, есть 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>, это значение из dtd (в данном случае выбранное) будет использовано.

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, какой из них встретился чаще всего при разборе потока.