Класс DocumentParser

public class DocumentParser extends Parser

Парсер HTML-документов (фактически можно указать DTD, но этот класс следует использовать только с DTD html в swing). Читает HTML из InputStream и вызывает соответствующие методы класса ParserCallback. Это парсер по умолчанию, используемый HTMLEditorKit для разбора URL-адресов HTML-документов.

Обратный вызов будет выполнен для всех допустимых тегов, а также для тегов, которые подразумеваются, но не указаны явно. Например, строка html (<p>blah) содержит только тег p. Обратный вызов получит следующие вызовы методов:

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, выделенные курсивом, являются подразумеваемыми: хотя они не были указаны явно, для корректного HTML они должны присутствовать (head не обязателен, но всё равно создаётся). Для подразумеваемых тегов аргумент AttributeSet будет содержать значение Boolean.TRUE для ключа HTMLEditorKit.ParserCallback.IMPLIED.

HTML.Attributes определяет типобезопасное перечисление атрибутов html. Если ключ атрибута тега определён в HTML.Attribute, в качестве ключа будет использоваться HTML.Attribute, иначе будет использоваться String. Например, <p foo=bar class=neat> содержит два атрибута. foo не определён в HTML.Attribute, тогда как class определён, поэтому AttributeSet будет содержать два значения: HTML.Attribute.CLASS со значением String 'neat' и ключ String 'foo' со значением String 'bar'.

Аргумент position указывает начало тега, комментария или текста. Как и в массивах, позиция первого символа в потоке равна 0. Для подразумеваемых тегов позиция указывает на место следующего обнаруженного 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 одинаковую позицию.

Поскольку html пропускает пробельные символы, позиция текста будет соответствовать первому допустимому символу. Например, в строке '\n\n\nblah' текст 'blah' будет иметь позицию 3, так как символы новой строки пропускаются.

Для атрибутов без значения, например в строке html <foo blah>, атрибут blah не имеет значения. Возможны два значения, которые будут помещены в значение AttributeSet:

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

После разбора потока обратному вызову сообщается наиболее вероятная последовательность символов конца строки. Это будет одна из последовательностей \n, \r или \r\n — та, которая чаще всего встречалась при разборе потока.