Класс DocumentParser

public class DocumentParser extends Parser

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

Этот класс уведомляет обратный вызов обо всех допустимых тегах, а также о тегах, которые подразумеваются, но не указаны явно. Например, в строке HTML (<p>blah) определен только тег p. Обратный вызов 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 корректного HTML они должны были присутствовать (head не нужен, но всё равно генерируется). Для тегов, которые подразумеваются, аргумент AttributeSet будет иметь значение Boolean.TRUE для ключа HTMLEditorKit.ParserCallback.IMPLIED.

HTML.Attributes определяет перечисление безопасных типов атрибутов HTML. Если ключ атрибута тега определен в HTML.Attribute, то будет использоваться HTML.Attribute, в противном случае будет использована строка. Например, <p foo=bar class=neat> имеет два атрибута. foo не определен в HTML.Attribute, а class есть, поэтому AttributeSet будет содержать два значения: HTML.Attribute.CLASS со строковым значением 'neat' и строковый ключ 'foo' со строковым значением 'bar'.

Аргумент position указывает начало тега, комментария или текста. Подобно массивам, первый символ в потоке имеет позицию 0. Для тегов, которые подразумеваются, позиция 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 закрывающие теги p, html и body будут иметь одну и ту же позицию.

Поскольку 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>, у атрибута blah нет значения, существуют два возможных значения, которые будут размещены в значении 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 selected) будет использовано.

После того, как поток был проанализирован, обратный вызов уведомляется о наиболее вероятной строке окончания строки. Строка окончания строки будет одной из \n, \r или \r\n, любой из которых встречается чаще всего при разборе потока.