学习HTML-Beautify.js之后，我们发现使用JavaScript对HTML进行解析也并不神秘， 首先是逐字符进行分析，从中提取标记（Token），在HTML只存在两种类型的标记-标签和正文， 然后对这些Token进行语法分析，主要是缩进量是多少。
在有这些基本概念后，今天我们就自己来实现这个小程序：
// 优化过的HTML-Beautify
function HtmlBeautify(source, indent_value) {
this.source = source;
this.indent_value = indent_value;
this.result = "";
this.parse();
}
// 分析并产生输出到this.result
HtmlBeautify.prototype.parse = function() {
var that = this;
// 当前分析到哪个字符，当前标记值，标记类型，
// 输出数组，缩进级别，当前格式化内容（去掉多余空格）
var pos = 0, token_value = "", token_type = "",
output = [], indent_level = 0, is_format_content = true;
// 把这些标签作为Single Tag
var single_token = "br,input,link,meta,!doctype,basefont,base,area,hr,wbr,param,img,isindex,?xml,embed".split(',');
var white_space = "\r\n\t ".split("");
// 获取下一个标记（首先获取正文，如果正文为空则获取标签）
function nextToken() {
var token_value_array = [], val = "", space = false;
// "<"之前的所有内容作为正文标签
while ((val = that.source[pos]) !== "<") {
if (pos >= that.source.length) {
token_type = "END";
return;
}
if (is_format_content) {
if ($.inArray(val, white_space) >= 0) {
space = true;
pos++;
continue;
}
if (space) {
token_value_array.push(" ");
space = false;
}
}
token_value_array.push(val);
pos++;
}
token_value = token_value_array.join("").replace(/^\n+|\n$/g,"");
if ($.trim(token_value) === "") {
// 如果正文标记为空，则获取标签标记
if(!is_format_content) {
is_format_content = true;
}
nextTokenTag();
} else {
token_type = "CONTENT";
}
}
// 下一个标签标记
function nextTokenTag() {
var token_value_array = [], val = "",
tagName = "", space = false, is_comment = false;
// 这是一个注释标签
if(that.source[pos + 1] === "!" &&
that.source[pos + 2] === "-" &&
that.source[pos + 3] === "-") {
is_comment = true;
}
// 获取标签标记，直到遇到">"
do {
val = that.source[pos];
if (!is_comment) {
// 如果此字符为空格换行制表符，则跳过此字符
if ($.inArray(val, white_space) >= 0) {
space = true;
pos++;
continue;
}
if (space) {
if(token_value_array[token_value_array.length - 1] !== "=" && val !== "=") {
token_value_array.push(" ");
}
space = false;
}
}
if(val === "/" && that.source[pos + 1] === ">" && token_value_array[token_value_array.length - 1] !== " ") {
token_value_array.push(" ");
}
token_value_array.push(val);
pos++;
} while (val !== ">");
token_value = $.trim(token_value_array.join(""));
// 当前标签的名称（小写）
tagName = getTagName();
if(is_comment) {
token_type = "SINGLE_TAG";
} else {
if (token_value[1] === "/") {
// token_value以"</"开始，则认为是结束标签
token_type = "END_TAG";
} else if ($.inArray(tagName, single_token) >= 0 || token_value[token_value.length - 2] === "/") {
// 如果标签在single_token或者token_value以"/>"结尾，则认为是独立标签
// 这种判断没有考虑这种情况："<br></br>"
token_type = "SINGLE_TAG";
} else {
token_type = "START_TAG";
if (tagName === "script" || tagName === "style") {
is_format_content = false;
}
}
}
}
function getTagName() {
var tagName = token_value.substr(1, token_value.length - 2);
var spaceIndex = tagName.indexOf(" ");
if (spaceIndex > 0) {
tagName = tagName.substr(0, spaceIndex);
}
return tagName.toLowerCase();
}
// 输出当前标记
function outputToken() {
output.push(token_value);
}
// 输出新行
function outputLine() {
output.push("\n");
}
// 输出缩进
function outputIndent() {
for (var i = 0; i < indent_level; i++) {
output.push(that.indent_value);
}
}
// parse的主体函数，循环获取下一个Token
while (true) {
nextToken();
// 当前Token为结束标记
if (token_type === "END") {
break;
}
switch (token_type) {
case "START_TAG":
// 我们对缩进的控制非常简单，开始标签后缩进一个单位
outputLine();
outputIndent();
outputToken();
indent_level++;
break;
case "END_TAG":
// 结束标签前减少一个单位缩进
indent_level--;
outputLine();
outputIndent();
outputToken();
break;
case "SINGLE_TAG":
outputLine();
outputIndent();
outputToken();
break;
case "CONTENT":
outputLine();
if(is_format_content) {
outputIndent();
}
outputToken();
break;
}
}
// 去除最前面的"\n"
this.result = output.join("").substr(1);
};
$(function() {
$("#format").click(function() {
// 实例化HtmlBeautify，传递需要解析的HTML片段和缩进字符串
var beautify = new HtmlBeautify($("#content").val(), " ");
$("#content").val(beautify.result);
});
});