Question

我刚刚遇到HTML解析的病态案例。我一直认为<script>标记会在第一个结束</script>标记之前运行。但事实证明，并非总是如此。

这是有效的：

<script><!--
alert('<script></script>');
--></script>

即使这是有效的：

<script><!--
alert('<script></script>');
</script>

但这不是：

<script><!--
alert('</script>');
--></script>

这两个都不是：

<script>
alert('<script></script>');
</script>

此行为在Firefox和Chrome中保持一致。因此，尽管很难相信，但浏览器似乎在脚本标记内的html注释中接受了一个open + close脚本标记。那么问题是浏览器如何解析脚本标签？这很重要，因为我正在使用的HTML解析库Nokogiri假定了明显（但不正确）直到第一个关闭标记规则并且没有处理这个边缘情况。我想大多数其他图书馆也不会处理它。

Answer 1

仔细检查链接given by Tim and Jukka后，我得到了以下答案：

在打开<script>标记后，解析器转到 data1 状态
如果在 data1 状态下遇到<!--，请切换到 data2 状态
如果在任何状态下遇到-->，请切换到 data1 状态
如果在 data2 状态下遇到<script[\s/>]，请切换到 data3 状态
如果在 data3 状态下遇到</script[\s/>]，请切换到 data2 状态
如果在任何其他状态下遇到</script[\s/>]，请停止解析

Answer 2

根据HTML 4.01规范，所有示例均无效：script的内容声明为CDATA，而CDATA的{{3}}表示：

“虽然STYLE和SCRIPT元素使用CDATA作为其数据模型，但对于这些元素，CDATA必须由用户代理以不同方式处理。必须将标记和实体视为原始文本并按原样传递给应用程序。第一次出现的字符序列“</”（结束标记打开定界符）被视为终止元素内容的结尾。在有效文档中，这将是元素的结束标记。“

正如您所观察到的，浏览器可能不会强制执行此规则，而是在某些情况下识别开始和结束标记对。从spec的角度来看，这是对无效文档的处理，即错误处理。目前尚不清楚他们究竟在这做什么以及为什么。它似乎取决于<!--的存在，这对HTML 4.01解析不应有任何影响（{em>不 CDATA内容中的评论开启者。）

在XHTML中，部分不同的规则适用，因为在XHTML中，<!--会在script元素的内容中打开注释。

除此之外，由于type中缺少script属性，所有示例都是无效的HTML 4.01和无效的XHTML。不需要该属性（浏览器默认将内容视为JavaScript），但这些规范要求它。

在HTML5中，适用其他规则。它们相当复杂，它们应该描述浏览器行为。除了强加description（禁止）之外，HTML5还指定了restrictions on content。

Answer 3

标签的内容仍然是HTML，除非您将其标记为不是HTML。在HTML中，<word>被视为标记，<需要写为<以避免此行为。或者，您希望将<script>的内容设为文本节点;使用这个公式：

<script type="text/javascript">
//<![CDATA[
  // your code, with < and & and "", woohoo!
//]]>
</script>

<![CDATA[ ... ]]>将文档的一部分描述为纯文本，没有标记。那里有大幅提升，所以JavaScript不会混淆;第一组斜杠在CDATA之外，但它们是HTML安全的，所以没有问题。

编辑：刚刚意识到问题在于解析，而不是编写HTML。糟糕。

Answer 4

假设，如果先解析标签并稍后解析注释，HTML解析器会给你这些结果。

^{（我不是说这是必然的，只是一个可能的解释。）}

第一个案例

<script><!--
alert('<script></script>');
--></script>

另一个<script></script>内有一组<script></script>。解析器可能首先忽略标记的名称，只检查这些标记的正确打开和关闭。然后它解析了评论。

<script><!--
--></script>

所以这是有效的。

第二个案例

<script><!--
alert('<script></script>');
</script>

另一个<script></script>内有一组<script></script>。然后它解析了评论。

<script><!--

评论一直延伸到文档的末尾。这不是严格有效，但浏览器会正确处理它。

第3个案例

<script><!--
alert('</script>');
--></script>

<script></script>集合中有一个结束标记。在将</script>解析为评论之前，它已失效。

第4个案例

<script>
alert('<script></script>');
</script>

另一个<script></script>内有一组<script></script>，没有评论。第一遍是有效的，但它确实会查看标签以查看它们是什么。它可能不接受另一个<script>内的一对{{1}}标签，因此它会使案例无效。

浏览器如何完全解析脚本标记？

4 个答案: