Класс DocumentParser

public class DocumentParser extends Parser

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

Для всех допустимых тегов, а также для тегов, которые подразумеваются, но не указаны явно, будет вызван соответствующий метод обратного вызова. Например, строка html (<p>blah) содержит только определённый 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, подразумеваются: хотя они явно не указаны, 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; в противном случае будет использоваться String. Например, у <p foo=bar class=neat> есть два атрибута. foo не определён в HTML.Attribute, тогда как class определён, 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. Как и в массивах, позиция первого символа в потоке равна 0. Для подразумеваемых тегов позиция указывает на расположение 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 одну и ту же позицию.

Поскольку html пропускает пробельные символы, позиция текста будет указывать на первый допустимый символ. 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. Для значения в AttributeSet возможны два варианта:

• Если DTD не содержит определения элемента или определение не содержит явного значения, значением 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 разбора потока обратному вызову передаётся наиболее вероятная строка конца строки. Строка конца строки будет одной из следующих: \n, \r или \r\n — в зависимости от того, какая из них чаще встречается при разборе потока.