Как браузер парсит HTML-файл?

Браузер читает HTML файл байт за байтом. На основе кодировки файла строится поток символов. Этот поток парсится, формируя токены (открывающий и закрывающий тег, текст, комментарий, doctype). Токены преобразуются в узлы (nodes), которые связываются в дерево — Document Object Model (DOM).

Процесс парсинга проходит следующие этапы:

1. Чтение байтов: Браузер получает поток байтов.
2. Определение кодировки: Определяется кодировка файла (например, UTF-8, Windows-1251). Это может происходить через HTTP-заголовки, <meta> теги или определяться автоматически.
3. Преобразование в символы: Байты преобразуются в символы в соответствии с определенной кодировкой.
4. Токенизация: Поток символов разбивается на токены.

   html

5. Построение AST (DOM Tree): На основе последовательности токенов строится дерево узлов (DOM). Браузер поддерживает стек открытых тегов; когда встречает закрывающий тег, он закрывает соотв