作者：戴嘉华

转载请注明出处并保留原文链接（#14 ）和作者信息。

目录

• 1. 前言
• 2. 问题的提出
• 3. 模板引擎和 Virtual-DOM 结合 —— Virtual-Template
• 4. Virtual-Template 的实现
  • 4.1 编译原理相关
  • 4.2 模版引擎的EBNF
  • 4.3 词法分析
  • 4.4 语法分析与抽象语法树
  • 4.5 代码生成
• 5. 完整的 Virtual-Template
• 6. 结语

1. 前言

本文尝试构建一个 Web 前端模板引擎，并且把这个引擎和 Virtual-DOM 进行结合。把传统模板引擎编译成 HTML 字符串的方式改进为编译成 Virtual-DOM 的 render 函数，可以有效地结合模板引擎的便利性和 Virtual-DOM 的性能。类似 ReactJS 中的 JSX。

阅读本文需要一些关于 ReactJS 实现原理或者 Virtual-DOM 的相关知识，可以先阅读这篇博客： 深度剖析：如何实现一个 Virtual DOM 算法 ， 进行相关知识的了解。

同时还需要对编译原理相关知识有基本的了解，包括 EBNF，LL(1)，递归下降的方法等。

2. 问题的提出

本人在就职的公司维护一个比较朴素的系统，前端渲染有两种方式：

1. 后台直接根据模板和数据直接把页面吐到前端。
2. 后台只吐数据，前端用前端模板引擎渲染数据，动态塞到页面。

当数据状态变更的时候，前端用 jQuery 修改页面元素状态，或者把局部界面用模板引擎重新渲染一遍。当页面状态很多的时候，用 jQuery 代码中会就混杂着很多的 DOM 操作，编码复杂且不便于维护；而重新渲染虽然省事，但是会导致一些性能、焦点消失的问题（具体可以看这篇博客介绍）。

因为习惯了 MVVM 数据绑定的编码方式，对于用 jQuery 选择器修改 wordings 等细枝末节的劳力操作个人感觉不甚习惯。于是就构思能否在这种朴素的编码方式上做一些改进，解放双手，提升开发效率。其实只要加入数据状态 -> 视图的 one-way data-binding 开发效率就会有较大的提升。

而这种已经在运作多年的多人维护系统，引入新的 MVVM 框架并不是一个非常好的选择，在兼容性和风险规避上大家都有诸多的考虑。于是就构思了一个方案，在前端模板引擎上做手脚。可以在几乎零学习成本的情况下，做到 one-way data-binding，大量减少 jQuery DOM 操作，提升开发效率。

3. 模板引擎和 Virtual-DOM 结合 —— Virtual-Template

考虑以下模板语法：

<div>    <h1>{title}</h1>    <ul>      {each users as user i}      <li class="user-item">        <img src="/avatars/{user.id}" />        <span>NO.{i + 1} - {user.name}</span>        {if user.isAdmin}          I am admin        {elseif user.isAuthor}          I am author        {else}          I am nobody        {/if}      </li>      {/each}    </ul>  </div>

这只一个普通的模板引擎语法（类似 artTemplate），支持循环语句（each）、条件语句（if elseif else ..）、和文本填充（{...}）， 应该比较容易看懂，这里就不解释。当用下面数据渲染该模板的时候：

var data = {    title: 'Users List',    users: [      {id: 'user0', name: 'Jerry', isAdmin: true},      {id: 'user1', name: 'Lucy', isAuthor: true},      {id: 'user2', name: 'Tomy'}    ]  }

会得到下面的 HTML 字符串：

<div>    <h1>Users List</h1>    <ul>      <li class="user-item">         <img src="/avatars/user0" />         <span>NO.1 - Jerry</span>         I am admin      </li>      <li class="user-item">         <img src="/avatars/user1" />         <span>NO.2 - Lucy</span>         I am author      </li>      <li class="user-item">         <img src="/avatars/user2" />         <span>NO.3 - Tomy</span>         I am nobody      </li>    </ul>  </div>

把这个字符串塞入文档当中就可以生成 DOM 。但是问题是如果数据变更了，例如 data.title 由 Users List 修改成 Users ，你只能用 jQuery 修改 DOM 或者直接重新渲染一个新的字符串塞入文档当中。

然而我们可以参考 ReactJS 的 JSX 的做法，不把模板编译成 HTML， 而是把模板编译成一个返回 Virtual-DOM 的 render 函数。render 函数会根据传入的 state 不同返回不一样的 Virtual-DOM ，然后就可以根据 Virtual-DOM 算法进行 diff 和 patch：

// setup codes  // ...    var render = template(tplString) // template 把模板编译成 render 函数而不是 HTML 字符串  var root1 = render(state1) // 根据初始状态返回的 virtual-dom    var dom = root.render() // 根据 virtual-dom 构建一个真正的 dom 元素  document.body.appendChild(dom)    var root2 = render(state2) // 状态变更，重新渲染另外一个 virtual-dom  var patches = diff(root1, root2) // virtual-dom 的 diff 算法  patch(dom, patches) // 更新真正的 dom 元素

这样做好处就是：既保留了原来模板引擎的语法，又结合了 Virtual-DOM 特性：当状态改变的时候不再需要 jQuery 了，而是跑一遍 Virtual-DOM 算法把真正的 DOM 给patch了，达到了 one-way data-binding 的效果，总结流程就是：

1. 先把模板编译成一个 render 函数，这个函数会根据数据状态返回 Virtual-DOM
2. 用 render 函数构建 Virtual-DOM；并根据这个 Virtual-DOM 构建真正的 DOM 元素，塞入文档当中
3. 当数据变更的时候，再用 render 函数渲染一个新的 Virtual-DOM
4. 新旧的 Virtual-DOM 进行 diff，然后 patch 已经在文档中的 DOM 元素

（恩，其实就是一个类似于 JSX 的东西）

这里重点就是，如何能把模板语法编译成一个能够返回 Virtual-DOM 的 render 函数？例如上面的模板引擎，不再返回 HTML 字符串了，而是返回一个像下面那样的 render 函数：

function render (state) {    return el('div', {}, [      el('h1', {}, [state.title]),      el('ul', {}, state.users.map(function (user, i) {         return el('li', {"class": "user-item"}, [           el('img', {"src": "/avatars/" + user.id}, []),           el('span', {}, ['No.' + (i + 1) + ' - ' + user.name],           (user.isAdmin              ? 'I am admin'             : uesr.isAuthor                ? 'I am author'               : '')         ])      }))    ])  }

前面的模板和这个 render 函数在语义上是一样的，只要能够实现“模板 -> render 函数”这个转换，就可以跑上面所说的 Virtual-DOM 的算法流程，这样就把模板引擎和 Virtual-DOM结合起来。为了方便起见，这里把这个结合体称为 Virtual-Template 。

4. Virtual-Template 的实现

网上关于模板引擎的实现原理介绍非常多。如果语法不是太复杂的话，可以直接通过对语法标签和代码片段进行分割，识别语法标签内的内容（循环、条件语句）然后拼装代码，具体可以参考 这篇博客 。其实就是正则表达式使用和字符串的操作，不需要对语法标签以外的内容做识别。

但是对于和 HTML 语法已经差别较大的模板语法（例如 Jade ），单纯的正则和字符串操作已经不够用了，因为其语法标签以外的代码片段根本不是合法的 HTML 。这种情况下一般需要编译器相关知识发挥用途：模板引擎本质上就是把一种语言编译成另外一种语言。

而对于 Virtual-Template 的情况，虽然其除了语法标签以外的代码都是合法的 HTML 字符串，但是我们的目的是把它编译成返回 Virtual-DOM 的 render 函数，在构建 Virtual-DOM 的时候，你需要知道元素的 tagName、属性等信息，所以就需要对 HTML 元素本身做识别。

因此 Virtual-Template 也需要借助编译原理（编译器前端）相关的知识，把一种语言（模板语法）编译成另外一种语言（一个叫 render 的 JavaScript 函数）。

4.1 编译原理相关

CS 本科都教过编译原理，本文会用到编译器前端的一些概念。在实现模板到 render 函数的过程中，要经过几个步骤：

1. 词法分析：把输入的模板分割成词法单元（tokens stream）
2. 语法分析：读入 tokens stream ，根据文法规则转化成抽象语法树（Abstract Syntax Tree）
3. 代码生成：遍历 AST，生成 render 函数体代码

所以这个过程可以分成几个主要模块：tokenizer（词法分析器），parser（语法分析器），codegen（代码生成）。在此之前，还需要对模板的语法做文法定义，这是构建词法分析和语法分析的基础。

4.2 模板引擎的 EBNF

在计算机领域，对某种语言进行语法定义的时候，几乎都会用到 EBNF（扩展的巴科斯范式）。在定义模板引擎的语法的时候，也可以用到 EBNF。Virtual-Template 拥有非常简单的语法规则，支持上面所提到的 each、if 等语法：

{each users as user i }   <div> {user.name} </div>   ...  {/each}    {if user.isAdmin}   ...  {elseif user.isAuthor}   ...  {elseif user.isXXX}   ...  {/if}

对于 {user.name} 这样的表达式插入，可以简单地看成是字符串，在代码生成的时候再做处理。这样我们的词法和语法分析就会简化很多，基本只需要对 each、if、HTML 元素进行处理。

Virtual-Template 的 EBNF：

Stat -> Frag Stat | ε  Frag -> IfStat | EachStat | Node | text    IfStat -> '{if ...}' Stat {ElseIf} [Else] '{/if}'  ElseIf -> '{elseif ...}' Stat  Else -> '{else}' Stat|e    EachStat -> '{each ...}' Stat '{/each}'    Node -> OpenTag NodeTail  OpenTag -> '/[\w\-\d]+/' {Attr}  NodeTail -> '>' Stat '/\<[\w\d]+\>/' | '/>'    Attr -> '/[\w\-\d]/+' Value  Value -> '=' '/"[\s\S]+"/' | ε

可以把该文法转换成 LL(1) 文法，方便我们写递归下降的 parser。这个语法还是比较简单的，没有出现复杂的左递归情况。简单进行展开和提取左公因子消除冲突获得下面的 LL(1) 文法。

LL(1) 文法：

Stat -> Frag Stat | ε  Frag -> IfStat | EachStat | Node | text    IfStat -> '{if ...}' Stat ElseIfs Else '{/if}'  ElseIfs -> ElseIf ElseIfs | ε  ElseIf -> '{elseif ...}' Stat  Else -> '{else}' Stat | ε    EachStat -> '{each ...}' Stat '{/each}'    Node -> OpenTag NodeTail  OpenTag -> '/[\w\-\d]+/' Attrs  NodeTail -> '>' Stat '/\<[\w\d]+\>/' | '/>'    Attrs -> Attr Attrs | ε   Attr -> '/[\w\-\d]/+' Value  Value -> '=' '/"[\s\S]+"/' | ε

4.3 词法分析

根据上面获得的 EBNF ，单引号包含的都是非终结符，可以知道有以下几种词法单元：

module.exports = {    TK_TEXT: 1, // 文本节点    TK_IF: 2, // {if ...}    TK_END_IF: 3, // {/if}    TK_ELSE_IF: 4, // {elseif ...}    TK_ELSE: 5, // {else}    TK_EACH: 6, // {each ...}    TK_END_EACH: 7, // {/each}    TK_GT: 8, // >    TK_SLASH_GT: 9, // />    TK_TAG_NAME: 10, // <div|<span|<img|...    TK_ATTR_NAME: 11, // 属性名    TK_ATTR_EQUAL: 12, // =    TK_ATTR_STRING: 13, // "string"    TK_CLOSE_TAG: 13, // </div>|</span>|</a>|...    TK_EOF: 100 // end of file  }

使用 JavaScript 自带的正则表达式引擎编写 tokenizer 很方便，把输入的模板字符串从左到右进行扫描，按照上面的 token 的类型进行分割：

function Tokenizer (input) {    this.input = input    this.index = 0    this.eof = false  }    var pp = Tokenizer.prototype    pp.nextToken = function () {    this.eatSpaces()    return (      this.readCloseTag() ||      this.readTagName() ||      this.readAttrName() ||      this.readAttrEqual() ||      this.readAttrString() ||      this.readGT() ||      this.readSlashGT() ||      this.readIF() ||      this.readElseIf() ||      this.readElse() ||      this.readEndIf() ||      this.readEach() ||      this.readEndEach() ||      this.readText() ||      this.readEOF() ||      this.error()    )  }    // read token methods  // ...

Tokenizer 会存储一个 index ，标记当前识别到哪个字符位置。每次调用 nextToken 会先跳过所有的空白字符，然后尝试某一种类型的 token ，识别失败就会尝试下一种，如果成功就直接返回，并且把 index 往前移；所有类型都试过都无法识别那么就是语法错误，直接抛出异常。

具体每个识别的函数其实就是正则表达式的使用，这里就不详细展开，有兴趣可以阅读源码tokenizer.js

最后会把这样的文章开头的模板例子转换成下面的 tokens stream：

{ type: 10, label: 'div' }  { type: 8, label: '>' }  { type: 10, label: 'h1' }  { type: 8, label: '>' }  { type: 1, label: '{title}' }  { type: 13, label: '</h1>' }  { type: 10, label: 'ul' }  { type: 8, label: '>' }  { type: 6, label: '{each users as user i}' }  { type: 10, label: 'li' }  { type: 11, label: 'class' }  { type: 12, label: '=' }  { type: 13, label: 'user-item' }  { type: 8, label: '>' }  { type: 10, label: 'img' }  { type: 11, label: 'src' }  { type: 12, label: '=' }  { type: 13, label: '/avatars/{user.id}' }  { type: 9, label: '/>' }  { type: 10, label: 'span' }  { type: 8, label: '>' }  { type: 1, label: 'NO.' }  { type: 1, label: '{i + 1} - ' }  { type: 1, label: '{user.name}' }  { type: 13, label: '</span>' }  { type: 2, label: '{if user.isAdmin}' }  { type: 1, label: 'I am admin\r\n        ' }  { type: 4, label: '{elseif user.isAuthor}' }  { type: 1, label: 'I am author\r\n        ' }  { type: 5, label: '{else}' }  { type: 1, label: 'I am nobody\r\n        ' }  { type: 3, label: '{/if}' }  { type: 13, label: '</li>' }  { type: 7, label: '{/each}' }  { type: 13, label: '</ul>' }  { type: 13, label: '</div>' }  { type: 100, label: '$' }

4.4 语法分析与抽象语法树

拿到 tokens 以后就可以就可以按顺序读取 token，根据模板的 LL(1) 文法进行语法分析。语法分析器，也就是 parser，一般可以采取 递归下降 的方式来进行编写。LL(1) 不允许语法中有冲突（ conflicts )，需要对文法中的产生式求解 FIRST 和 FOLLOW 集。

FIRST(Stat) = {TK_IF, TK_EACH, TK_TAG_NAME, TK_TEXT}  FOLLOW(Stat) = {TK_ELSE_IF, TK_END_IF, TK_ELSE, TK_END_EACH, TK_CLOSE_TAG, TK_EOF}  FIRST(Frag) = {TK_IF, TK_EACH, TK_TAG_NAME, TK_TEXT}  FIRST(IfStat) = {TK_IF}  FIRST(ElseIfs) = {TK_ELSE_IF}  FOLLOW(ElseIfs) = {TK_ELSE, TK_ELSE}  FIRST(ElseIf) = {TK_ELSE_IF}  FIRST(Else) = {TK_ELSE}  FOLLOW(Else) = {TK_END_IF}  FIRST(EachStat) = {TK_EACH}  FIRST(OpenTag) = {TK_TAG_NAME}  FIRST(NodeTail) = {TK_GT, TK_SLASH_GT}  FIRST(Attrs) = {TK_ATTR_NAME}  FOLLOW(Attrs) = {TK_GT, TK_SLASH_GT}  FIRST(Value) = {TK_ATTR_EQUAL}  FOLLOW(Value) = {TK_ATTR_NAME, TK_GT, TK_SLASH_GT}

上面只求出了一些必要的 FIRST 和 FOLLOW 集，对于一些不需要预测的产生式就省略求解了。有了 FIRST 和 FOLLOW 集，剩下的编写递归下降的 parser 只是填空式的体力活。

var Tokenizer = require('./tokenizer')  var types = require('./tokentypes')    function Parser (input) {    this.tokens = new Tokenizer(input)    this.parse()  }    var pp = Parser.prototype    pp.is = function (type) {    return (this.tokens.peekToken().type === type)  }    pp.parse = function () {    this.tokens.index = 0    this.parseStat()    this.eat(types.TK_EOF)  }    pp.parseStat = function () {    if (      this.is(types.TK_IF) ||      this.is(types.TK_EACH) ||      this.is(types.TK_TAG_NAME) ||      this.is(types.TK_TEXT)    ) {      this.parseFrag()      this.parseStat()    } else {      // end    }  }    pp.parseFrag = function () {    if (this.is(types.TK_IF)) return this.parseIfStat()    else if (this.is(types.TK_EACH)) return this.parseEachStat()    else if (this.is(types.TK_TAG_NAME)) return this.parseNode()    else if (this.is(types.TK_TEXT)) {      var token = this.eat(types.TK_TEXT)      return token.label    } else {      this.parseError('parseFrag')    }  }    // ...

完整的 parser 可以查看parser.js。

抽象语法树（Abstract Syntax Tree）

递归下降进行语法分析的时候，可以同时构建模版语法的树状表示结构——抽象语法树，模板语法有以下的抽象语法树的节点类型：

Stat: {      type: 'Stat'      members: [IfStat | EachStat | Node | text, ...]  }    IfStat: {      type: 'IfStat'      label: <string>,      body: Stat      elifs: [ElseIf, ...]      elsebody: Stat  }    ElseIf: {      type: 'ElseIf'      label: <string>,      body: Stat  }    EachStat: {      type: 'EachStat'      label: <string>,      body: Stat  }    Node: {      type: 'Node'      name: <string>,      attributes: <object>,      body: Stat  }

因为 JavaScript 语法的灵活性，可以用字面量的 JavaScript 对象和数组直接表示语法树的树状结构。语法树构的建过程可以在语法分析阶段同时进行。最后，可以获取到如下图的语法树结构：

完整的语法树构建过程，可以查看parser.js 。

从模版字符串到 tokens stream 再到 AST ，这个过程只需要对文本进行一次扫描，整个算法的时间复杂度为 O(n)。

至此，Virtual-Template 的编译器前端已经完成了。

4.5 代码生成

JavaScript 从字符串中构建一个新的函数可以直接用 new Function 即可。例如：

var newFunc = new Function('a', 'b', 'return a + b')  newFunc(1, 2) // => 3

这里需要通过语法树来还原 render 函数的函数体的内容，也就是 new Function 的第三个参数。

拿到模版语法的抽象语法树以后，生成相应的 JavaScript 函数代码就很好办了。只需要地对生成的 AST 进行深度优先遍历，遍历的同时维护一个数组，这个数组保存着 render 函数的每一行的代码：

function CodeGen (ast) {    this.lines = []    this.walk(ast)    this.body = this.lines.join('\n')  }    var pp = CodeGen.prototype    pp.walk = function (node) {    if (node.type === 'IfStat') {      this.genIfStat(node)    } else if (node.type === 'Stat') {      this.genStat(node)    } else if (node.type === 'EachStat') {      ...    }    ...  }    pp.genIfStat = function (node) {    var expr = node.label.replace(/(^\{\s*if\s*)|(\s*\}$)/g, '')    this.lines.push('if (' + expr + ') {')    if (node.body) {      this.walk(node.body)    }    if (node.elseifs) {      var self = this      _.each(node.elseifs, function (elseif) {        self.walk(elseif)      })    }    if (node.elsebody) {      this.lines.push(indent + '} else {')      this.walk(node.elsebody)    }    this.lines.push('}')  }    // ...

CodeGen 类接受已经生成的 AST 的根节点，然后 this.walk(ast) 会对不同的节点类型进行解析。例如对于 IfStat 类型的节点：

{     type: 'IfStat',    label: '{if user.isAdmin}'    body: {...}    elseifs: [{...}, {...}, {...}],    elsebody: {...}  }

genIfStat 会把 '{if user.isAdmin}' 中的 user.isAdmin 抽离出来，然后拼接 JavaScript 的 if 语句，push 到 this.lines 中：

var expr = node.label.replace(/(^\{\s*if\s*)|(\s*\}$)/g, '')  this.lines.push('if (' + expr + ') {')

然后会递归的对 elseifs 和 elsebody 进行遍历和解析，最后给 if 语句补上 } 。所以如果 elseifs 和 elsebody 都不存在， this.lines 上就会有：

['if (user.isAdmin) {', <body>, '}']

其它的结构和 IfStat 同理的解析和拼接方式，例如 EachStat :

pp.genEachStat = function (node) {    var expr = node.label.replace(/(^\{\s*each\s*)|(\s*\}$)/g, '')    var tokens = expr.split(/\s+/)    var list = tokens[0]    var item = tokens[2]    var key = tokens[3]    this.lines.push(      'for (var ' + key + ' = 0, len = ' + list + '.length; ' + key + ' < len; ' + key + '++) {'    )    this.lines.push('var ' + item + ' = ' + list + '[' + key + '];')    if (node.body) {      this.walk(node.body)    }    this.lines.push('}')  }

最后递归构造完成以后， this.lines.join('\n') 就把整个函数的体构建起来：

if (user.isAdmin) {  ...  }    for (var ...) {  ...  }

这时候 render 函数的函数体就有了，直接通过 new Function 构建 render 函数：

var code = new CodeGen(ast)  var render = new Function('el', 'data', code.body)

el 是需要注入的构建 Virtual-DOM 的构建函数， data 需要渲染的数据状态：

var svd = require('simple-virtual-dom')  var root = render(svd.el, {users: [{isAdmin: true}]})

从模版 -> Virtual-DOM 的 render 函数 -> Virtual-DOM 的过程就完成了。完整的代码生成的过程可以参考：codegen.js

5. 完整的 Virtual-Template

其实拿到 render 函数以后，每次手动进行 diff 和 patch 都是重复操作。可以把 diff 和 patch 也封装起来，只暴露一个 setData 的 API 。每次数据变更的时候，只需要 setData 就可以更新到 DOM 元素上（就像 ReactJS 的 setState ）：

// vTemplate.compile 编译模版字符串，返回一个函数  var usersListTpl = vTemplate.compile(tplStr)    // userListTpl 传入初始数据状态，返回一个实例  var usersList = usersListTpl({    title: 'Users List',    users: [      {id: 'user0', name: 'Jerry', isAdmin: true},      {id: 'user1', name: 'Lucy', isAuthor: true},      {id: 'user2', name: 'Tomy'}    ]  })    // 返回的实例有 dom 元素和一个 setData 的 API  document.appendChild(usersList.dom)    // 需要变更数据的时候，setData 一下即可  usersList.setData({    title: 'Users',    users: [      {id: 'user1', name: 'Lucy', isAuthor: true},      {id: 'user2', name: 'Tomy'}    ]  })

完整的 Virtual-Template 源码托管在github 。

6. 结语

这个过程其实和 ReactJS 的 JSX 差不多。就拿 Babel 的 JSX 语法实现而言，它的 parser 叫babylon。而 babylon 基于一个叫acorn 的 JavaScript 编写的 JavaScript 解释器和它的 JSX 插件acorn-jsx。其实就是利用 acorn 把文本分割成 tokens，而 JSX 语法分析部分由 acorn-jsx 完成。

Virtual-Template 还不能应用于实际的生产环境，需要完善的东西还有很多。本文记录基本的分析和实现的过程，也有助于更好地理解和学习 ReactJS 的实现。

（全文完）