先介绍以下parser包里的主要类：
ParserJsoup parser的入口facade，封装了常用的parse静态方法。可以设置maxErrors，用于收集错误记录，默认是0，即不收集。与之相关的类有ParseError,ParseErrorList。基于这个功能，我写了一个PageErrorChecker来对页面做语法检查，并 输出语法错误。
Token保存单个的词法分析结果。Token是一个抽象类，它的实现有Doctype,StartTag,EndTag,Comment,Character,EOF6种，对应6种词法类型。
Tokeniser保存词法分析过程的状态及结果。比较重要的两个字段是state和emitPending，前者保存状态，后者保存 输出。其次还有tagPending/doctypePending/commentPending，保存还没有填充完整的Token。
CharacterReader对读取字符的逻辑的封装，用于Tokenize时候的字符输入。CharacterReader包含了类似NIO里ByteBuffer的consume()、unconsume()、mark()、rewindToMark()，还有高级的consumeTo()这样的用法。
TokeniserState用枚举实现的词法分析状态机。
HtmlTreeBuilder语法分析，通过token构建DOM树的类。
HtmlTreeBuilderState语法分析状态机。
TokenQueue虽然披了个Token的马甲，其实是在query的时候用到，留到select部分再讲。
词法分析状态机现在我们来讲讲HTML的词法分析过程。这里借用一下http://ued.ctrip.com/blog/?p=3295里的图，图中描述了一个Tag标签的状态转移过程，
这里忽略了HTML注释、实体以及属性，只保留基本的开始/结束标签，例如下面的HTML:
test
查看更多关于Jsoup代码解读之五-parser(中)_html/css_WEB-ITnose的详细内容...
声明：本文来自网络，不代表【好得很程序员自学网】立场，转载请注明出处：http://haodehen.cn/did114194