Question

我正在考虑html5lib-tests中的以下测试用例：

{"description":"<!DOCTYPE\\u0008",
"input":"<!DOCTYPE\u0008",
"output":["ParseError", "ParseError", "ParseError", 
           ["DOCTYPE",  "\u0008", null, null, false]]},

source

State                      |Input char |  Actions
--------------------------------------------------------------------------------------------
Data State                 |  "<"      | -> TagOpenState
TagOpenState               | "!"       | -> MarkupDeclarationOpenState
MarkupDeclarationOpenState | "DOCTYPE" | -> DOCTYPE state
DOCTYPE state              | "\u0008"  | Parse error; -> before DOCTYPE name state (reconsume)
before DOCTYPE name state  | "\u0008"  | DOCTYPE(name = "\u0008"); -> DOCTYPE name state
DOCTYPE name state         | EOF       | Parse error. Set force quirks on. Emit DOCTYPE -> Data state. 
Data state                 | EOF       | Emit EOF.

我想知道这三个错误来自哪里？我只能追踪两个，但我认为我在某个地方犯了错误。

Answer 1

您缺少的是＆＃34;预处理输入流＆＃34;部分：

在U + 0001到U + 0008，U + 000E到U + 001F，U + 007F到U + 009F，U + FDD0到U + FDEF以及字符U + 000B，U范围内出现任何字符+ FFFE，U + FFFF，U + 1FFFE，U + 1FFFF，U + 2FFFE，U + 2FFFF，U + 3FFFE，U + 3FFFF，U + 4FFFE，U + 4FFFF，U + 5FFFE，U + 5FFFF，U + 6FFFE ，U + 6FFFF，U + 7FFFE，U + 7FFFF，U + 8FFFE，U + 8FFFF，U + 9FFFE，U + 9FFFF，U + AFFFE，U + AFFFF，U + BFFFE，U + BFFFF，U + CFFFE，U + CFFFF，U + DFFFE，U + DFFFF，U + EFFFE，U + EFFFF，U + FFFFE，U + FFFFF，U + 10FFFE和U + 10FFFF是解析错误。这些都是控制字符或永久未定义的Unicode字符（非字符）。

这导致在U + 0008字符到达标记器之前发生解析错误。鉴于tokenizer被定义为从输入流中读取，tokenizer测试假定输入流已经应用了正常的预处理。

试图了解html5lib-test中的ParseError数量

1 个答案: