Sizzle引擎如何支持更多字符集？

2023-10-12 02:30:54

识别符中转义字符的处理

在HTML中，标识符或类名或ID中出现的特殊字符如尖括号<>，通常需要转义成实体字符来保证语法正确，如

<div id="<span>test</span>"></div>

在JavaScript中，上例的<div>元素的id将通过.getAttribute('id')方法取值为"<span>test>"。在Sizzle中，它通过 getAttributeValue() 方法获取元素属性的值，并最终交给了unescapeRunes()方法解析，后文会详细分析该方法。

Sizzle引擎为了保证效率，在初始化时就会检查浏览器是否支持querySelectorAll API，以便决定使用querySelectorAll方法还是getElementsByTagName方法。如果使用querySelectorAll方法，则getAttributeValue方法内部实际上会调用querySelectorAll方法来获取属性值。因为querySelectorAll方法原生支持的字符集范围为Unicode基础平面(Basic Multilingual Plane, BMP)，所以，Sizzle为了在使用 querySelectorAll方法时仍然支持非BMP字符，便在getAttributeValue()中使用了unescapeRunes方法。

unescapeRunes方法

unescapeRunes方法实际上是一个用于解析标识符转义字符的函数，它接受一个字符串作为输入，并返回一个新的字符串，其中所有转义字符都被解析为其对应的字符。

function unescapeRunes(str) {
    return str.replace(/\\([\da-f]{1,6}[\x20\t\r\n\f]?|u[\da-f]{4}[\x20\t\r\n\f]?|.)/ig, function (_, escaped) {
        var high;
        if (escaped[0] === '\\') {
            return escaped.slice(1);
        } else if (escaped[0] === 'u') {
            high = parseInt(escaped.slice(1, 5), 16);
            if (high > 0x10FFFF) {
                return escaped;
            }
            if (high > 0xD7FF && high < 0xE000) {
                return escaped;
            }
            return high < 0x10000
                ? String.fromCharCode(high)
                : String.fromCharCode(high - 0x10000 >>> 10 | 0xD800, high - 0x10000 & 0x3FF | 0xDC00);
        } else if (escaped[0] === 'x') {
            return String.fromCharCode(parseInt(escaped.slice(1), 16));
        }
        return escaped;
    });
}