在学习html5的时候，使用canvas实现了对html文本的解析和渲染，支持的tag有<p>、<i>、<b>、<u>、<ul>、<li>，并参考chrome对不规则html进行了解析。代码扔在了我的github上(https://github.com/myhonor2013/gadgets，里面的html-render-with-canvas目录里面)。
程序的主函数是个循环，对html文本从左往右进行解析，wangy每个循环开始处指向有效的html '<'位置，例如'<p'、'<\'、'<f'、'<\x'等都是有效的，而'< p'、'< \'、'< \x'等都是无效的，总之'<'后面必须紧跟一个非空字符，这是参考了chrome的解析得出的结论。这也就意味着每个循环的末尾必须找到第一个类似的位置才能结束循环。在每次循环末尾调用渲染函数在canvas上进行渲染。在循环的过程中要时刻注意html字符串指针是否越界，如果越界则结束循环进行渲染。
一、预处理
预处理简单地对html文本中连续的空字符（回车、tab、缩进）用单个的空格进行了替换：
var text=data.text.replace(/[\r\n\t]/g,WHITESPACE).replace(/\s+/g,WHITESPACE).trim();
然后从html文本开始位置寻找第一个所谓的有效tag位置，并对此位置之前的文本进行渲染。以下则每次循环都以有效的'<'开始。这又分两种情况：有效开标签和有效闭标签。
二、有效开标签的处理
有效开标签即'<'后面不是'\'的标签，用正则表达式就是^<[^\/]+.*。寻找和'<'匹配的'>'标签并将标签名称push到tagname中。接下来根据tagname确定其后面的文本应该采用的格式，亦即isbold、isitalic、isicon(<li>标签）、isunderline、nowrap、uloffset等属性，并进而根据isbold和isitalic确定绘制canvas需要的font属性值。font和isicon、isunderline、nowrap、uloffset便是canvas渲染真正需要的属性。如果是支持的tag同时将标签名称push到tagnames，将font 入栈到fontsarr中，后面的循环要根据这两个属性来确定其作用域的文本格式。
while(text[index]!=WHITESPACE&&text[index]!=RIGHTSYN){
tagname.push(text[index++]);
if(index==len)break;
}
if(index==len)return;
while(text[index]!=RIGHTSYN){
if(index==len){
break;
}
}
var tag=tagname.join('').toLowerCase();
tagname=[];
if(tag==TAGB){
isbold=true;
}
else if(tag==TAGI){
isitalic=true;
}
else if(tag==TAGLI){
isicon=true;
}
else if(tag==TAGU){
isunderline=true;
}
if(tag==TAGP||tag==TAGLI||tag==TAGUL){
nowrap=false;
}
else{
nowrap=true;
}
if(tag==TAGUL){
uloffset+=ULOFFSET;
}
if(isitalic==true&&isbold==true){
font=ITALICBOLD;
}
else if(isitalic==false&&isbold==true){
font=BOLD;
}
else if(isitalic==true&&isbold==false){
font=ITALIC;
}
else{
font=NORMAL;
}
if(VALIDTAGS.contains(tag)){
tagnames.push(tag);
fontsarr.push(font);
}
后面部分就是本次循环的作用域文本，文本被放在texttodraw中并在结束前进行canvas渲染。在结束前还要将texttodraw清空，并将isicon置为false。
三、有效闭标签的处理
有效闭标签即'<'后面紧跟'\'的标签，用正则表达式就是^<\/.*。同样往前找出其匹配的闭合'<'。如果闭合标签名和tagnames(其中依次保存了有效开标签处理时的标签名称，还记得吗)中的最后一个相同，则将tagnames的最后一个元素出栈。如果标签名称是ul则对uloffset往前缩进；如果tagnames中不再包含当前标签名称，则根据标签语义对字体进行相应处理，这是考虑了多层嵌套的情况。
if(text[index]=="/"){
var arr=[];
while(++index<len&&text[index]!=RIGHTSYN&&text[index]!=LEFTSYN){
arr.push(text[index]);
}
if(index==len)return;
if(text[index]==LEFTSYN)break;
var tag=arr.join('').trim().toLowerCase();
if(tag==tagnames[tagnames.length-1]){
font=fontsarr.pop();
tagnames.pop();
if(tag==TAGUL){
uloffset -=ULOFFSET;
uloffset =(uloffset>0)?uloffset:0;
}
if(!tagnames.contains(tag)){
if(tag==TAGI){
font=font.replace("italic",'normal');
isitalic=false;
}
else if(tag==TAGB){
font=font.replace("bold",'normal');
isbold=false;
}
else if(tag==TAGU){
isunderline=false;
}
}
}
}
接下来同样是本次循环的作用域文本，对其进行获取并根据前面确定的属性值对其进行渲染。和开标签的处理一致，不再赘述。
四、canvas渲染
两个全局变量xoffset和yoffset用以标识上次渲染结束后的位置。在渲染开始时首先对这两个属性需要根据uloffset、nowrap等属性进行调整。然后如果具有isicon属性，则绘制出<li>标签对应的前面的实心圆。接着就是对文本进行渲染了，设定font后逐字符取出并使用measureText测量是否满行，如果是则绘制后需要换行。在渲染过程中如果需要绘制下划线则一并进行绘制。如此反复，直到所有字符绘制完毕。完整的渲染函数如下：
var drawtext=function(data){
data=data.trim();
var len=data.length;
if(len==0){
return;
}
if(!nowrap&&xoffset>MARGIN){
xoffset = MARGIN+uloffset;
yoffset += LINEHEIGHT;
}
if(isicon){
ctx.beginPath();
ctx.arc(MARGIN+uloffset+MARGIN,yoffset-MARGIN,MARGIN,0,Math.PI*2,true);
ctx.closePath();
ctx.fill();
xoffset +=30;
}
var index=0;
var renderindex=0;
ctx.font=font;
while(index<len){
while(canvaswidth-xoffset>ctx.measureText(data.substring(renderindex,++index)).width){
if(index===len){
break;
}
}
if(index==len){
ctx.fillText(data.substring(renderindex,index),xoffset,yoffset);
if(isunderline){
canvas.strokeStyle = "red";
canvas.lineWidth = 5;
ctx.beginPath();
ctx.moveTo(xoffset, yoffset);
ctx.lineTo(xoffset+ctx.measureText(data.substring(renderindex,index)).width, yoffset);
ctx.closePath();
ctx.stroke();
}
xoffset+=ctx.measureText(data.substring(renderindex,index)).width;
break;
}
ctx.fillText(data.substring(renderindex,--index),xoffset,yoffset);
if(isunderline){
canvas.strokeStyle = "red";
canvas.lineWidth = 5;
ctx.beginPath();
ctx.moveTo(xoffset, yoffset);
ctx.lineTo(canvaswidth, yoffset);
ctx.closePath();
ctx.stroke();
}
renderindex=index;
xoffset = MARGIN;
yoffset += LINEHEIGHT;
}
return;
};
结束语
使用js解析html时切忌使用递归，这样处理很容易造成堆栈溢出和性能问题。另代码中出现的Array的contains方法是在Array的prototype上添加的用以判断是否包含字符串的方法：
Array.prototype.contains=function(item){
return new RegExp("^" + this.join("|")+ "$","i").test(item.toString());
}