代码语法高亮踩坑-原理，问题, PRE元素及htmlentity

语法高亮库基础原理

在研究使用能够在web页面上代码语法高显的解决方案时，发现有很多现成的开源库。比较中意的有prism.js,highlightjs。他们的原理基本上核心就两点:

1. 利用html的<pre>特性:即原封不动显示code

2. 针对不同源代码其语法结构特点，设计该语言的正则匹配规则集。库代码将针对待高显的源代码做正则匹配，形成新的显示内容，该内容由浏览器在<pre>元素中原样展示

在试用prism或者highlightjs时，简单的css代码可以非常方便的工作，但是当我试着高显c语言代码时，就发生问题了。prism.js会将<stdlib.h>整个剔除。

最后研究下来，原因是和这类基于正则的语法高亮的基石头--pre元素的工作机制有关.解决方案就是必须在加载含html entity的代码之前必须做转换，比如 < 就翻译为 < 这样pre元素就无法将其解析为html markup，而是解析为 < 这个字符来显示。为了满足我的好奇心，我再继续深挖下去:

https://www.sitepoint.com/everything-need-know-html-pre-element/

<pre>是怎么工作的?

html的pre元素是一个简单而又有语意的显示"格式化内容"的方式,比如显示源代码。

在html document中，pre元素代表着"preformatted text".这意味着你的tab缩进,多空格,新转行标识等其他编排格式将被原封保留，而不是像普通html元素一样将多个space空格合并。。

默认情况下，浏览器在渲染pre元素的内容时使用"单空格"或者说固定长度的字体。

如果你将上面的内容放到一个其他的非pre元素中，则所有的额外空格，new lines,以及缩进格式都将被忽略。因此虽然你的代码为这个样子:

<div>

Jack:   Hello.  How are you?

Jill:   I'm great.  Thanks for asking.

</div>

但是浏览器却渲染成：

Jack: Hello. How are you? Jill: I'm great. Thanks for asking.

但是，如果我们把上面的html代码放到pre元素中,

<pre>

Jack:   Hello. How are you?

Jill:   I'm great.  Thanks for asking.

</pre>

将会渲染成:

正确地marking up source code

如上面描述，pre元素用于那些具有能够影响内容的真实含义的排版格式的文本，比如源代码,艺术字体等。

如果你想在html document中渲染一块而不是一行源代码，你应该使用一个code 元素包含代码并且嵌入在pre元素中。这是有语意的，对于搜索引擎尤为重要，因为这将告诉搜索引擎，code中是计算机源代码，而非文档内容

我们来看一下语意化地构建一段javascript代码:

<pre><code>// Logs &quot;Hello World!&quot;

// in the browser's developer console

console.log(&quot;Hello World!&quot;);</code></pre>

使用内嵌在pre元素中的html的元素

在pre元素中，如果你不将内容进行escape，这时，如果内容出现html标签比如<h1>则浏览器会以html元素的普通渲染方式只渲染其tag中的内容，而不会将<h1>作为普通的文本进行显示!!!

正因为如此，

1. 如果你希望将内容作为源代码原封不动显示，则必须escape <,"等html entity;

2. 如果你希望使用h1标签进行格式化pre中的源代码，则你不能escape <,"等html entity

我们看以下例子，在html中,em和strong元素用于格式化其内嵌文本的：

从上面的实例可以看出，针对语法高亮显示这个需求，我们可以借用highlight.js或者prism.js对于源代码进行格式化，通过增加不同的html tag并作相应的css styling来实现不同语法部分的高亮显示！！同时又能够保持源代码的格式输出不变

常见问题

overflows

如果pre元素中的text比较长，超过了pre元素的宽度，这时有以下解决方案:

1. pre增加overflow auto,实现自动加一个滚动条

pre {

    overflow: auto;

}

2.pre增加white-space: pre-wrap实现转行

pre {

    white-space: pre-wrap;

}

我比较倾向于第一个方案，因为这忠实地反映了原内容的格式

渲染html源代码

正如前面提到过的，在pre元素中可以内嵌html来做css格式调整，但是如果希望在pre元素中原封不动地展示html代码，又该怎么办呢?

答案就是escape那些html预留的字符.这些字符被称为html entity.核心的就是<,>,"，详细的html entity列表你可以在这里查看:

https://dev.w3.org/html5/html-author/charref

实际上即便是c语言代码，也存在着类似问题，究其原因是比如 #inclue <stdio.h>这一个代码，其中包含了< 这个tag起始，而highlightjs或者prismjs将无法正确处理，一个比较好的办法是使用一个plugin，在正式pattern matching之前做escape操作就好了！

markup最佳实践

<pre><code>Line 1 (first line)

Line 2

Line 3

Line 4 (last line)</code></pre>

如果不遵循以上最佳实践，可能带来的问题是浏览器可能会自动给你错位