基于ast思维的html字符串编辑-唐霜

在一个项目中，我需要获取当前页面的htm原创内容，盗版必究。原创内容，盗版必究。l字符串，然后发送到worker中，对h【本文受版权保护】【本文首发于唐霜的博客】tml进行编辑、对比等。和在DOM环境下【关注微信公众号：wwwtangshuangnet】【本文受版权保护】可以方便的编辑DOM不同，如果只有字符串原创内容，盗版必究。转载请注明出处：www.tangshuang.net，想要编辑，而且还要对两个html进行d【未经授权禁止转载】【版权所有】唐霜 www.tangshuang.netiff操作，其实还是有点难度。在virt【本文首发于唐霜的博客】【未经授权禁止转载】ual dom中，我们可以通过node的【关注微信公众号：wwwtangshuangnet】著作权归作者所有，禁止商业用途转载。type来知道这个节点是否是同一个，但是【作者：唐霜】【关注微信公众号：wwwtangshuangnet】如果只有纯字符串，这个确认动作就会比较麻本文版权归作者所有，未经授权不得转载。【本文首发于唐霜的博客】烦。我想，我已经对ast有一定了解了，能本文作者：唐霜，转载请注明出处。【版权所有】唐霜 www.tangshuang.net不能把html抽象为ast，然后对ast本文版权归作者所有，未经授权不得转载。原创内容，盗版必究。对象进行编辑，再由ast还原为html呢未经授权，禁止复制转载。【作者：唐霜】？于是，我开动脑筋，写了一个叫做abs-【版权所有】唐霜 www.tangshuang.net本文版权归作者所有，未经授权不得转载。html的库，用于对html转化为基于H【版权所有，侵权必究】未经授权，禁止复制转载。yperJSON的ast对象，并且提供了本文版权归作者所有，未经授权不得转载。【本文首发于唐霜的博客】两个对象的diff和patch方法，以及转载请注明出处：www.tangshuang.net【版权所有】唐霜 www.tangshuang.net重新生成html字符串的rebuild方【版权所有】唐霜 www.tangshuang.net原创内容，盗版必究。法。

生成HTML的AST

在Robust第25期中，我详细阐述了简单的编译原理，基于这一【版权所有】唐霜 www.tangshuang.net【转载请注明来源】原理，我可以将html字符串转化为一个t【本文首发于唐霜的博客】本文作者：唐霜，转载请注明出处。oken序列，并拼成一个ast。由于我并【未经授权禁止转载】【原创内容，转载请注明出处】不需要一个完整的编译逻辑，我的目标是一个【访问 www.tangshuang.net 获取更多精彩内容】【访问 www.tangshuang.net 获取更多精彩内容】编译的子集。而且html是xml的子集，【版权所有】唐霜 www.tangshuang.net【关注微信公众号：wwwtangshuangnet】天然具有非常强的数据结构特征，因此，遍历原创内容，盗版必究。未经授权，禁止复制转载。过程中可以很快生成ast，不需要分多步。

【关注微信公众号：wwwtangshuangnet】【原创内容，转载请注明出处】

今年年初我发布了HyperJSON协议，它是一个基于hyperscript衍生【作者：唐霜】未经授权，禁止复制转载。的布局描述协议，具有极小的体积，和完备的【关注微信公众号：wwwtangshuangnet】【原创内容，转载请注明出处】布局特性描述数据。而用HyperJSON本文作者：唐霜，转载请注明出处。【关注微信公众号：wwwtangshuangnet】来描述html具有非常大的优势：体积可以著作权归作者所有，禁止商业用途转载。【访问 www.tangshuang.net 获取更多精彩内容】变的特别小，阅读也很方便。因此，我生成的著作权归作者所有，禁止商业用途转载。本文作者：唐霜，转载请注明出处。ast是一个基于该协议的对象。

你可以通过下面的代码快速尝试一下这个效果本文作者：唐霜，转载请注明出处。本文作者：唐霜，转载请注明出处。：

本文作者：唐霜，转载请注明出处。本文作者：唐霜，转载请注明出处。【本文首发于唐霜的博客】【本文首发于唐霜的博客】

<script type="module">
  import { parseHTMLToHyperJSON } from 'https://unpkg.com/abs-html/src/index.js'
  const json = parseHTMLToHyperJSON(`
    <!DOCTYPE html>
    <main>
      <article>
        <h1>Title</h1>
        <p>content</p>
      </article>
    </main>
  `)
  console.log(json)
</script>

本文版权归作者所有，未经授权不得转载。转载请注明出处：www.tangshuang.net本文版权归作者所有，未经授权不得转载。

原本我还想封装几个查询方法，但是由于考虑【作者：唐霜】【版权所有，侵权必究】到暂时没有这个需求，所以就没有开放查找方【访问 www.tangshuang.net 获取更多精彩内容】【作者：唐霜】法。你可以通过HyperJSON协议，方【原创不易，请尊重版权】著作权归作者所有，禁止商业用途转载。便的通过路径找到一个节点对象。接下来，你著作权归作者所有，禁止商业用途转载。未经授权，禁止复制转载。可以随意编辑这个对象，但是需要注意，编辑【版权所有】唐霜 www.tangshuang.net转载请注明出处：www.tangshuang.net后，它仍然需要符合HyperJSON协议【版权所有，侵权必究】本文版权归作者所有，未经授权不得转载。的要求。

【转载请注明来源】未经授权，禁止复制转载。

从AST回到HTML

利用HyperJSON协议对象，我们可以【访问 www.tangshuang.net 获取更多精彩内容】著作权归作者所有，禁止商业用途转载。非常方便的通过遍历生成新的HTML字符串【原创不易，请尊重版权】【转载请注明来源】。

import { rebuildHyperJSONToHTML } from 'abs-html'
const html = rebuildHyperJSONToHTML(json)

不过在这里还是有一些坑的，主要是html【作者：唐霜】【未经授权禁止转载】中有一些强制的自关闭标签，比如<l原创内容，盗版必究。【关注微信公众号：wwwtangshuangnet】ink /> <img /&【原创不易，请尊重版权】【本文受版权保护】gt;等。这些标签在HyperJSON中未经授权，禁止复制转载。【版权所有】唐霜 www.tangshuang.net没有特意强调，但是我规定，当一个节点没有【原创不易，请尊重版权】【版权所有】唐霜 www.tangshuang.netchildren部分时，就代表它是一个自原创内容，盗版必究。【作者：唐霜】关闭标签。例如：

['div', null, ''] // 闭合标签，一定存在children，虽然是一个空字符串
['img'] // 自关闭标签，不存在children，可以存在props

本文版权归作者所有，未经授权不得转载。【本文受版权保护】未经授权，禁止复制转载。【转载请注明来源】

['div', 0, 'content'] // 本来应该写成 ['div', null, ['#text', null, 'content']]

Diff两个AST

当我拿到两个html字符串之后，通过pa未经授权，禁止复制转载。【本文首发于唐霜的博客】rse操作得到两个ast，接下来的事，就著作权归作者所有，禁止商业用途转载。本文作者：唐霜，转载请注明出处。是对比这两个纯js对象。市面上有很多di本文版权归作者所有，未经授权不得转载。【本文首发于唐霜的博客】ff库，其中我比较喜欢的一个叫deep-【本文受版权保护】【本文首发于唐霜的博客】diff，原因在于它的diff结果是非常【未经授权禁止转载】【本文首发于唐霜的博客】易于阅读的数组形式。但是，我并没有用它来【原创不易，请尊重版权】【未经授权禁止转载】diff两个ast，原因很简单，html【版权所有】唐霜 www.tangshuang.net著作权归作者所有，禁止商业用途转载。的ast是有规律的结构化数据，而非无规律【作者：唐霜】著作权归作者所有，禁止商业用途转载。的js对象。把ast当作纯对象对比，会多未经授权，禁止复制转载。未经授权，禁止复制转载。出很多无用的信息，例如：

【转载请注明来源】【本文受版权保护】未经授权，禁止复制转载。

path: [3, 4, 1, 'name']
next: 'new name'

实际上它表达的是根节点的第1个child【本文首发于唐霜的博客】【转载请注明来源】的第2个child的name prop发本文版权归作者所有，未经授权不得转载。【原创内容，转载请注明出处】生变化。虽然用数字作为路径确实节省了一些【未经授权禁止转载】著作权归作者所有，禁止商业用途转载。空间，但是却无法让我们很轻松的阅读，所以原创内容，盗版必究。【作者：唐霜】，我自己提供了一个diff工具，这个di【版权所有】唐霜 www.tangshuang.net【作者：唐霜】ff工具给出的结果是：

path: div[1]/div[2]
type: 'attribute'
name: 'name'
next: 'new name'

它比用deep-diff对纯js对象对比著作权归作者所有，禁止商业用途转载。转载请注明出处：www.tangshuang.net时多出一些信息，但是阅读起来却更方便。最本文版权归作者所有，未经授权不得转载。【访问 www.tangshuang.net 获取更多精彩内容】重要的是，它为patch做准备，因为pa本文版权归作者所有，未经授权不得转载。转载请注明出处：www.tangshuang.nettch时，直接根据type来决定进行什么本文版权归作者所有，未经授权不得转载。【本文受版权保护】操作。

【作者：唐霜】【关注微信公众号：wwwtangshuangnet】【未经授权禁止转载】

相似算法

在diff时，我需要确认，这个节点是新增未经授权，禁止复制转载。【转载请注明来源】的，还是原来就有的（可能发生了一些细微变【本文首发于唐霜的博客】本文版权归作者所有，未经授权不得转载。化）。我想到了一种相似算法（目前还没有在【访问 www.tangshuang.net 获取更多精彩内容】【转载请注明来源】abs-html中使用）。两个对象是否是【原创内容，转载请注明出处】原创内容，盗版必究。对同一个HTML节点的描述呢？我主要看它【原创内容，转载请注明出处】【版权所有，侵权必究】们的相似的，有些特征可以直接排除它们不是本文作者：唐霜，转载请注明出处。【版权所有】唐霜 www.tangshuang.net同一个节点的描述，比如nodeName、【作者：唐霜】原创内容，盗版必究。id、data-id不一样，那么这两个对著作权归作者所有，禁止商业用途转载。【转载请注明来源】象不可能是对同一个节点的描述。我为不同节【未经授权禁止转载】【本文首发于唐霜的博客】点的相似度进行权重分类和分数划分，以节点原创内容，盗版必究。【版权所有】唐霜 www.tangshuang.net的属性、属性值的相似度、children【作者：唐霜】【关注微信公众号：wwwtangshuangnet】的相似度为维度，在每个维度上进行打分，每【本文首发于唐霜的博客】【作者：唐霜】个维度的权重不同，例如前面的nodeNa【本文首发于唐霜的博客】转载请注明出处：www.tangshuang.netme，因为它具有巨高的权重，所以直接作为【转载请注明来源】转载请注明出处：www.tangshuang.net特殊情况处理。当两个对象在nodeNam【转载请注明来源】本文版权归作者所有，未经授权不得转载。e或id等一致的情况下，拥有相同的pro著作权归作者所有，禁止商业用途转载。原创内容，盗版必究。ps时，我认为它们具有较高的相似度，在p【本文受版权保护】本文版权归作者所有，未经授权不得转载。rops这个维度上，给出了高分，但是它们【原创内容，转载请注明出处】本文作者：唐霜，转载请注明出处。的children完全不同，那么在这个维【本文受版权保护】本文版权归作者所有，未经授权不得转载。度上，我给出了0分。但是不同维度的权重是著作权归作者所有，禁止商业用途转载。【原创内容，转载请注明出处】不一样的，children不同，很有可能本文作者：唐霜，转载请注明出处。【本文首发于唐霜的博客】是同一个DOM节点，更换了childre未经授权，禁止复制转载。【本文受版权保护】n而已，因此，它的权重低很多。完成这个打【版权所有，侵权必究】【关注微信公众号：wwwtangshuangnet】分之后，我们就可以得出，一个对象描述的最【本文首发于唐霜的博客】【本文受版权保护】有可能是哪一个对象描述的节点，从而在di【本文首发于唐霜的博客】【关注微信公众号：wwwtangshuangnet】ff的时候，把它们当作一个节点，并给予相【原创不易，请尊重版权】【作者：唐霜】同的identifier，这样，它就不会【未经授权禁止转载】著作权归作者所有，禁止商业用途转载。被移除，而只会被移动和更新。

著作权归作者所有，禁止商业用途转载。本文作者：唐霜，转载请注明出处。著作权归作者所有，禁止商业用途转载。未经授权，禁止复制转载。

本文作者：唐霜，转载请注明出处。转载请注明出处：www.tangshuang.net

Path变化

把diff结果存起来之后，形成了一个关于【作者：唐霜】【原创内容，转载请注明出处】HTML变化的序列。我提供的patchH本文版权归作者所有，未经授权不得转载。【本文受版权保护】yerJSON方法基于这一序列，可以重建【关注微信公众号：wwwtangshuangnet】转载请注明出处：www.tangshuang.netHTML字符串。这样就可以做到对html【原创不易，请尊重版权】【关注微信公众号：wwwtangshuangnet】的回放。因为保存的是比较小的diff的结转载请注明出处：www.tangshuang.net【转载请注明来源】果，所以，占用的存储空间比保存html字原创内容，盗版必究。未经授权，禁止复制转载。符串小很多。

未经授权，禁止复制转载。【原创内容，转载请注明出处】【原创不易，请尊重版权】著作权归作者所有，禁止商业用途转载。

纯计算

这一系列的计算都是纯js计算，因此，它可未经授权，禁止复制转载。原创内容，盗版必究。以在worker中运行，我们将当前DOM【版权所有，侵权必究】【转载请注明来源】的outerHTML发送到worker中【关注微信公众号：wwwtangshuangnet】【版权所有】唐霜 www.tangshuang.net，由worker中的程序完成parse和【版权所有】唐霜 www.tangshuang.net转载请注明出处：www.tangshuang.netdiff，再将diff结果发送到服务器保【版权所有，侵权必究】【关注微信公众号：wwwtangshuangnet】存。在服务器的另外一端，我们读取这些di本文作者：唐霜，转载请注明出处。【版权所有，侵权必究】ff结果，并通过其他程序，还原html的【关注微信公众号：wwwtangshuangnet】【作者：唐霜】变化，从而可以观看当前数据源一端的情况，【原创不易，请尊重版权】【原创内容，转载请注明出处】这可以用在在线教育场景下，授课老师在基于【关注微信公众号：wwwtangshuangnet】未经授权，禁止复制转载。html的编辑器（如codemirror【原创内容，转载请注明出处】本文版权归作者所有，未经授权不得转载。）中撰写代码，学生可以立即在自己的电脑上著作权归作者所有，禁止商业用途转载。著作权归作者所有，禁止商业用途转载。看到老师的写作过程，并且在条件允许的情况【关注微信公众号：wwwtangshuangnet】【版权所有，侵权必究】下，我们可以加入协同能力，让学生参与到写【作者：唐霜】未经授权，禁止复制转载。作中。而由于这些计算全都在worker中【版权所有，侵权必究】未经授权，禁止复制转载。执行，只要机器性能良好，就不会对用户当前【作者：唐霜】未经授权，禁止复制转载。操作的页面产生任何性能上的影响。

结语

有了abs-html这个利器之后，我可以【访问 www.tangshuang.net 获取更多精彩内容】【版权所有】唐霜 www.tangshuang.net做很多事情，之前想到react-work【版权所有，侵权必究】【转载请注明来源】er-dom这个库，我也可以实现了，我可未经授权，禁止复制转载。【版权所有】唐霜 www.tangshuang.net以在worker中使用react-rec【原创不易，请尊重版权】【关注微信公众号：wwwtangshuangnet】onciler创建ast，并把diff结【转载请注明来源】【本文首发于唐霜的博客】果发送给主线程，再利用主线程的patch【本文受版权保护】原创内容，盗版必究。程序去更新对应的DOM，就可以做到一种新【原创内容，转载请注明出处】【关注微信公众号：wwwtangshuangnet】的类似小程序一样的架构。

未经授权，禁止复制转载。【未经授权禁止转载】【关注微信公众号：wwwtangshuangnet】

【本文受版权保护】未经授权，禁止复制转载。【转载请注明来源】【版权所有】唐霜 www.tangshuang.net【本文受版权保护】【关注微信公众号：wwwtangshuangnet】【本文受版权保护】原创内容，盗版必究。【关注微信公众号：wwwtangshuangnet】【版权所有】唐霜 www.tangshuang.net【未经授权禁止转载】【未经授权禁止转载】原创内容，盗版必究。转载请注明出处：www.tangshuang.net未经授权，禁止复制转载。【原创不易，请尊重版权】【本文受版权保护】【原创不易，请尊重版权】原创内容，盗版必究。【转载请注明来源】原创内容，盗版必究。本文作者：唐霜，转载请注明出处。【转载请注明来源】【未经授权禁止转载】未经授权，禁止复制转载。【作者：唐霜】【转载请注明来源】著作权归作者所有，禁止商业用途转载。本文作者：唐霜，转载请注明出处。本文作者：唐霜，转载请注明出处。【转载请注明来源】著作权归作者所有，禁止商业用途转载。原创内容，盗版必究。

2021-06-12 3418

唐霜

基于ast思维的html字符串编辑

生成HTML的AST

从AST回到HTML

Diff两个AST

相似算法

Path变化

纯计算

结语

为价值买单，打赏一杯咖啡

声明

关于

生态