Google开放HTML5解析库Gumbo的源代码

Google已经开放了Gumbo的源代码，这是一个用C编写的HTML解析库。该库符合HTML解析算法标准，它通过了所有的html5lib-0.95测试，并且已经在Google索引的25亿个网页上进行过测试。

根据该项目的说明页，Google发布Gumbo的目的是为开发人员提供一个轻量级的HTML解析库，它没有外部依赖，而且大多数语言都可调用它。该库可以包含在Web页面验证器、静态分析器、模板语言和重构工具等应用中。

Google认为，Gumbo“对于不够标准的输入，它健壮而有弹性”，但是，由于ABI将来可能发生变化，所以不推荐维护指向Gumbo的一些内部数据结构的指针。不过，该API被认为相当稳定。Gumbo 1.0会在不久的将来发布，在此之前，项目团队将一直等待开发人员的意见。

下面是一些将来会增加的功能：

• 支持最近的HTML5规范变更，以支持模板标签
• 支持片段解析
• 全功能的错误报告
• 在其它语言中的绑定

在HTML5解析算法标准化之前，每个浏览器自主选择如何标记输入页面和如何渲染页面。虽然HTML 4对于有效标记有详细说明，但是却没有指出在输入无效时浏览器应该做什么，所以世界上95%的Web页面都不能通过W3C参考验证器的验证。使用像Gumbo这样的工具验证HTML页面，可以保证页面在所有主要的浏览器中得到恰当地解析和渲染。

查看英文原文：Google Open Sources Gumbo, An HTML5 Parsing Library