全自动静态网页生成器（二）——html文件解析续

首先表达歉意，这几天一直忙于联系暑期实习单位，没有及时回复与更新。现在还没有搞定，可以的话大家帮个忙，看看我的实习求职。

 

      我对现在的解析html的算法还是比较满意的。现阶段，经过我的一些测试，添加了对BR，IUPUT，IMG，META，SCRIPT，注释等特殊html语法的支持。对于完全符合html语法规范的页面，效果是令人满意的。不足之处是缺乏对错误的包容能力，对不符合html语法的页面可能解析出错或者异常。如果要把它做成完善的html解析器，我认为必须实现一个优先级算法，提供错误的包容能力。不过我想，这个问题相当复杂，暂时不能很好的解决。现在，我决定采取另外一种折中的方式，即只解析自定义的控件，而不处理普通的html控件。以现在的算法，可以很轻易的实现这个功能。

 

      个人觉得，使用用户控件，然后在控件输出的时候截获render应该是可取的。但个人感觉这种方式实际使用负载，不够灵活。我个人更倾向于实现一个轻量级的、易控的静态页面生成类库，可以轻松自由的进行自定义和扩展。对于大多数网站来说，首页和分类页面的请求都是很频繁的，并且内容也需要经常性的更新，使用Asp.Net的缓存机制是一个很好的选择；但是对于网站的内容页，如新闻或者软件下载的内容页面，相对来说请求频率要低得多，动态生成或者使用缓存都是不合适的。这种情况最好的选择是生成静态页面，然后保存在硬盘上。另外，对于实时性要求不高的首页或者分类页，也可以结合shtml的include机制，将内容部分用模板的方式静态生成保存在硬盘上。

 

      正如本文开头所说，由于联系暑期实习单位的事情，最近几天都暂停开发了。在这里我还是先将上一篇文章没说完的继续说完。

 

       整个解析模块主要由三个类来构成：StaticControlFactory、ParseStatusManager和StaticBaseControl构成的。其中StaticControlFactory主要负责对模板进行字符分析处理和控件的处理；ParseStatusManager主要负责对控件解析状态进行处理，以及对StaticControlFactory发出处理命令；StaticBaseControl是实体类，保存相关结果。

 

       代码结构自认为还是很清晰的，并且有很多注释，我就不详细解释了，主要说明几个关键的地方。StaticControlFactory中使用了堆栈来保存控件的层次结构。每当创建了新的控件，就将新控件加入到当前控件的子控件集合中，然后将当前控件推入堆栈，新控件成为当前控件。当新控件解析完毕后则反向操作。ParseStatusManager的状态管理也采用了相似的方式，只是没有前者的层次结构。每次StaticControlFactory读取到边界字符时，就调用ParseStatusManager对象的ChangeStatus方法，实现相应的状态转化。ParseStatusManager对StaticControlFactory的操作，我使用了代理结合Command模式的方式来实现。这种方式最大的好处是ParseStatusManager不需要维护StaticControlFactory的一大堆方法签名，只需要传入合适的命令就可以了。如果需要在处理状态转换的时候，需要增加新的处理，只需要使StaticControlFactory增加对一个新的命令的支持就可以了。

 

       为了增加对不符合<flag name=value>body</flag>形式的标签，包括img、br之类可以无结尾或使用/>简短结束标志的标签的支持，对StaticControlFactory增加了几个方法，ReadNextWord用以获取控件开始标签后的下一个单词，以判断当前标签是否是定义的特殊标签，ProcessForScriptBlock用以专门处理Script模块。如果希望将类库改成指处理我们定义的特殊标签，就可以在每次读到控件开始标记的时候使用ReadNextWord读取控件类型，在判断正确后才开始控件的解析操作；对每次读到控件结束标记时也进行相似操作。

 

       现在的方案实际上是我的第二个方案。第一个方案使用了递归，思路不是很清晰，调试起来相当麻烦，现在的方案要清晰多了。对于数据绑定，在我的第一个方案里已经部分实现了，主要采用了遍历加反射的方式。遗憾的是还只支持了对对象数组这种数据源的支持，主要原因是我现在的项目使用了petshop3的结构，以数据实体的方式传递数据，并且没有实现repeate之类控件嵌套形式下的绑定。不过预计这两个问题都比较简单，可以比较快的实现。我会尽快实现一个可使用的版本发布出来。