关于HTML文档解析中DOM树的构建猜测

这两年人工智能行业发展的比较火热，对于那些人工智能领域的大牛们，小编也是四十五度默默仰望。在好奇心的驱使下，小编也渐渐对人工智能产生了浓厚的兴趣，可怜前途是光明的道路是曲折的，小编的学习之旅可想而知，怎一个苦字了得，根本就是修行啊。在人工智能方面很多书籍都建议使用python语言，这可苦了作为小白的小编了，经历了好久终于学了点Python的基础。
在学习Python教程中涉及到了关于网络爬虫的内容，这让小编对网页结构的解析产生了好奇，HTML语言自身的结构很有其特点，在一个区域内会有成对的标识符出现，用以表示这段内容的起始和终止，并且其语法格式也限定了其不会出现交叉嵌套的情形。这种独特的网页结构特点，让我萌生了编写自己的网页解析程序的想法。终于进入正题了，原谅小编是个慢性子。。。
说干就干。首先问题来了，一个网页结构的文件，虽然层次比较清晰，但是如何让自己的程序能够识别出它的这种层次结构呢？这让小编困扰了好久。。。终于在word文档结构图的启示下，小编想起了好久没有碰过的数据结构中的树结构。查阅了资料发现HTML 文档有个重要的内容就是构建DOM树，网上浏览了一圈除了知道个DOM树名词外，其它的一堆内容小编实在是没有看明白。于是开始了小编的迷茫之旅。。。
自己动手，丰衣足食。经过了几天的思考，小编有了重大的突破。依据小编这些年的经验，一个程序最核心的是思想，其次就是它的开始——确定采用什么数据结构。经过几番猜想，小编选定了树与栈的结合。这种文档层次结构分级比较明显，很适合采用树形结构，配合进出栈的操作很容易得到层级关系。
希望就在前方，可是前方似乎总有未知在等你。方向确定了，小编有点窃喜，允许小编嘚瑟一下~小编智商还是杠杠的~哈哈哈~~~进入正题。门是开的，好像有个魔鬼。一旦你作了决定，恭喜你，麻烦就会缠身。HTML结构虽然很清晰，但是，每个层的元素组成个数却是未知的，这从某种程度上加大了控制的难度。小编又进入苦恼中。。。谁来安慰一下刚刚中了五百万的却发现自己原来在做梦的小心脏。请求高手解答。。。对不起你所拨打的电话是空号！！！还是靠自己吧。。。小编从脑海中回想自己所学的几种结构，心中暗自庆幸还好没有全部还给老师。。。嘿嘿。。。从线性表中的栈、队列、链表到二叉树，再到图中的邻接多重表。盘算了一圈，感觉邻接多重表比较靠谱，经过几番痛苦的假设，终于还是放弃了。
既然是树结构还是老老实实的用树吧，经过几番的分析，小编终于找到了一种解决方案，采用child-root-cousin二叉树形结构，可以比较好的解决下层节点数量不定的问题。事情到了这里终于可以有一个比较好的解决方案了。小编可以好好休息一下了。

时间：2017.3.30-- 00：41

继续我们的DOM树的构建之旅。方案有了，下面就该亲自动手了堆代码了。不用多说对于小编这个小白就会点C语言，虽然学了Python但是还不能得心应手，不要笑小编好low，小编会害羞的~~~。
对于小编这种小白，C程序也就马马虎虎了，就不丢人现眼了。经过几番测试终于写好了一个栈的基本程序结构，然后就开始child-root-cousin树的构建，代码就不贴了，相信有点数据结构基础的，都比小编强。以下是小编的栈结构体和child-root-cousin二叉树结构体：
控制栈结构体:
typedef struct Element{
Node node;
struct Element next;
}Element;
struct Stack{
Element top, base;
int length;
};
Child-root-cousin二叉树节点结构体：
typedef struct Node{
int data;
struct Node parent;
struct Node cousin;
struct Node * child;
int child_num;
}Node;
因为HTML结构比较分明，而且HTML文件的解析涉及到很多的对象不是问题研究的重点，所以小编测试的时候就偷了个懒，采用一个整形数组，类似这种结构{1,2,3，-3,4，-4,-2，5，-5，-1}表示HTML文件，个人感觉还是挺能说明问题的。
以上对于HTML文档中DOM树的构建是小编的个人猜测，至于HTML真是的结构小编就不太清楚了，如有知道详情的亲们，麻烦分享一下，让我等小白好好拜读。

时间：2017.3.30 --01:03