Code Coverage
 
Lines
Functions and Methods
Classes and Traits
Total
73.68%
14 / 19
66.67%
2 / 3
 CRAP
0.00%
0 / 1
Parser
73.68%
14 / 19
66.67%
2 / 3
 13.21
0.00%
0 / 1
 __construct
100.00%
1 / 1
100.00%
1 / 1
 1
 parseDocument
100.00%
3 / 3
100.00%
1 / 1
 1
 parseFragment
66.67%
10 / 15
0.00%
0 / 1
 12.00
1<?php
2
3declare(strict_types=1);
4
5namespace Phpdftk\Html;
6
7use Phpdftk\Html\Dom\Document;
8use Phpdftk\Html\Dom\DocumentFragment;
9use Phpdftk\Html\Dom\Element;
10use Phpdftk\Html\Tokenizer\Tokenizer;
11use Phpdftk\Html\TreeConstruction\TreeBuilder;
12
13/**
14 * WHATWG HTML5 parser entry point. Hand-rolls the tokenizer (§13.2.5) and
15 * tree-construction state machine (§13.2.6) — no `libxml`, no DOM extension.
16 *
17 * The public surface is intentionally tiny: parseDocument() for a full HTML
18 * document and parseFragment() for innerHTML-style operations and HTML
19 * embedded in SVG <foreignObject>.
20 *
21 * Implementation is staged across Phase 1B sub-phases:
22 *  - 1B.1: public DOM types and parser shell (this file).
23 *  - 1B.2: tokenizer state machine.
24 *  - 1B.3: tree-construction insertion modes.
25 *  - 1B.4: declarative-shadow-DOM tree-construction integration.
26 *  - 1B.5: html5lib-tests integration to 100%.
27 */
28final class Parser
29{
30    public function __construct(public readonly ParserOptions $options = new ParserOptions()) {}
31
32    /**
33     * Parse a complete HTML document.
34     *
35     * @param string $html The HTML source.
36     * @param string|null $encoding Optional override for encoding sniffing.
37     */
38    public function parseDocument(string $html, ?string $encoding = null): Document
39    {
40        $tokenizer = new Tokenizer($html);
41        $builder = new TreeBuilder($this->options);
42        return $builder->build($tokenizer);
43    }
44
45    /**
46     * Parse an HTML fragment in the context of a host element per WHATWG
47     * §13.4. The context element determines the initial tokenizer state
48     * (e.g. RCDATA for <title>/<textarea>, RAWTEXT for <style>/<script>,
49     * PLAINTEXT for <plaintext>) and the initial insertion mode (via the
50     * "reset insertion mode appropriately" walk with the context as the
51     * implicit bottom of the stack).
52     */
53    public function parseFragment(string $html, Element $context): DocumentFragment
54    {
55        // Step 1: new document, inherit mode from context's owner.
56        $doc = new \Phpdftk\Html\Dom\Document();
57        $doc->mode = $context->ownerDocument->mode;
58
59        // Step 2: tokenizer with context-aware initial state.
60        $tokenizer = new Tokenizer($html);
61        if ($context->namespaceURI === \Phpdftk\Html\Dom\Document::HTML_NS) {
62            $tokenizer->state = match ($context->localName) {
63                'title', 'textarea' => \Phpdftk\Html\Tokenizer\TokenizerState::Rcdata,
64                'style', 'xmp', 'iframe', 'noembed', 'noframes' => \Phpdftk\Html\Tokenizer\TokenizerState::Rawtext,
65                'script' => \Phpdftk\Html\Tokenizer\TokenizerState::ScriptData,
66                'noscript' => $this->options->scriptingEnabled
67                    ? \Phpdftk\Html\Tokenizer\TokenizerState::Rawtext
68                    : \Phpdftk\Html\Tokenizer\TokenizerState::Data,
69                'plaintext' => \Phpdftk\Html\Tokenizer\TokenizerState::Plaintext,
70                default => \Phpdftk\Html\Tokenizer\TokenizerState::Data,
71            };
72        }
73
74        // Step 3-9 delegated to TreeBuilder::buildFragment, which configures
75        // the initial state (html root, form pointer, template stack, reset
76        // insertion mode based on context) and runs the parse.
77        $builder = new TreeBuilder($this->options, $doc);
78        return $builder->buildFragment($tokenizer, $context);
79    }
80}