Question

我的问题是：

哪些html元素可以包含具有相同标记名称的其他元素。（就像允许的另一个<div>内的<div>一样。）哪些html元素（其中包含内容的人）不允许在其中包含具有相同标记名称的元素＆＃39 ; s后代。（与另一个<p>中的<p>不同，这是不允许的。）

背景

我想编写一个html-parser（更准确的词法分析器），以便能够自动处理我的脚本从Internet读取的html文档。我知道几乎每种语言都有开箱即用的解析器（和词法分析器），但我想尝试自己编写。

执行此操作时，处理格式错误的html存在问题，其中一个问题是关闭具有有效开始标记但没有关闭标记的html元素。因此，您必须做出有根据的猜测，<div>不匹配</div>结束，<p>没有匹配</p>的情况结束。

您可以将html元素拆分为三个类：

我对＆＃34; void elements＆＃34;不感兴趣。如1中所述，因为这些元素不能具有封闭标签（因此，它们永远不会错过结束标签）。

当创建缺少的结束标记时，必须以不同的方式处理类型2和3。

如果您收到包含此文件的文件：

<p>

大多数浏览器会在内部将其转换为以下内容：

<body> a <div> b <div> c </body>

所有div都在同一点关闭，就在第一个现有的非div-closing-tag之前，它与其匹配的开始标记一起包含缺少关闭标记的div-tag。该算法给出了嵌套元素，其中每个未闭合元素成为其先前未闭合元素的子元素。

但如果你得到这个

<body>
    a
    <div>
        b
        <div>
            c
        </div> <!-- inserted -->
    </div> <!-- inserted -->
</body>

大多数浏览器都会将其转换为：

<body> a <p> b <p> c </body>

在这种情况下，当下一个p元素开始时，或者当检测到非p-closing-tag时，一个p元素被关闭，谁的开放伙伴在开始p-tag之前放置＆＃ 39;关闭标签丢失了。此算法不会生成相同类型的嵌套元素，但会生成同一父节点的子节点。

为了能够决定使用哪种算法来关闭元素，我需要知道哪些元素属于哪个类。