关于classpath的HTML parser

我找了不少的时间，终于找到一个可以parse出DOM Level 2 HTML标准的parser。这个东东嵌在GNU classpath项目里，不过还算好分离。

今天看了一下它的parsing。它是用LL(n)文法的。也就是说，对于每一个tag / comments / ...，需要往前看n个token。自然，每次parsing的时候它都可以确定出自己的下一个文法是什么，所以是递归下降分析。

Parser里有一个validator，用来在每次parse出一个tag (or something else)的时候validate文法，同时加入丢失掉的。这个validator是依赖于一个DTD构造器的，一个很典型的例子可以看HTML_401F.java，这个DTD会对没有header和body的自动加入header和body。然后对于在前面的elements，如果可以加入header就加入，否则就加入到body里。

为了测试方便，我构造了一个没有header的DTD，放在DomHTMLParserTestingUtil里面，同时也有简单的例子。

另外，我还搞了一个Node.toString()来打出需要的node信息。后面有空的话，要把这个改成可以dump出xml文法的东西来，或者是toXML() / toProtoBuf() or something else...

今天很有成就感，这几天都很有成就感，要保持～～～

希望尽快把porting做完，并且有足够的unit tests来保证stability。以后就可以考虑更进一步的东西了。