我們在經過詞法分析，簡單過濾，找到適合的種子集合之后，最終的選擇器抽出了input這個種子合集seed，重組的選擇器selectorAaron [name=ttt]，還有詞法分析合集group，通過tokenize最終分類出來的group分別都有對應的幾種 type：
var match = [{
matches: ["div"],
type: "TAG",
value: "Aaron"
}, {
type: " ",
value: " "
}, {
matches: ["name", "=", "ttt"],
type: "ATTR",
value: "[name=ttt]"
}]
每一種type都會有對應的處理方法 Expr.filter：
Expr.filter = {
ATTR : function (name, operator, check) {
CHILD : function (type, what, argument, first, last) {
CLASS : function (className) {
ID : function (id) {
PSEUDO : function (pseudo, argument) {
TAG : function (nodeNameSelector) {
}
可以把“元”理解為“原子”，也就是最小的那個匹配器。
每條選擇器規則最小的幾個單元可以劃分為：ATTR | CHILD | CLASS | ID | PSEUDO | TAG
在Sizzle里邊有一些工廠方法用來生成對應的這些元匹配器，它就是Expr.filter。
舉2個例子（ID類型的匹配器由Expr.filter["ID"]生成，應該是判斷elem的id屬性跟目標屬性是否一致），到這里應該想到Sizzle其實是不是就是通過對selector做“分詞”，打散之后再分別從Expr.filter 里面去找對應的方法來執行具體的查詢或者過濾的操作?
答案基本是肯定的。
但是這樣常規的做法邏輯上是OK的，但是效率如何？
所以Sizzle有更具體和巧妙的做法，Sizzle在這里引入了編譯函數的概念。
請驗證，完成請求
由于請求次數過多，請先驗證，完成再次請求
打開微信掃碼自動綁定
綁定后可得到
使用 Ctrl+D 可將課程添加到書簽
舉報