# DOM树：JavaScript是如何影响DOM树构建的|浏览器篇

> 本文详细介绍了浏览器如何将HTML字节流解析为DOM树，解析过程中遇到JavaScript脚本时对DOM构建的影响，以及DOM解析器处理跨站点资源的机制，帮助前端开发者理解DOM生成流程与性能优化要点。

- 原文：https://feinterview.poetries.top/docs/fe-base-docs/browser/part5/22-DOM%E6%A0%91%EF%BC%9AJavaScript%E6%98%AF%E5%A6%82%E4%BD%95%E5%BD%B1%E5%93%8DDOM%E6%A0%91%E6%9E%84%E5%BB%BA%E7%9A%84
- 来源：前端进阶之旅（feinterview.poetries.top）
- 更新：2026.10.08
- 可见范围：免费部分

---

## DOM树：JavaScript是如何影响DOM树构建的

- `DOM` 是渲染流水线的地基，后面的样式计算、布局、绘制都依赖它
- 流程：字节流 → 按编码转字符 → 分词成 `Token` → 建节点挂到树上，边下载边解析
- 遇到普通 `<script>` 要暂停解析，等脚本下载完、执行完，因为脚本可能改 `DOM`
- `defer` 不阻塞解析，解析完按顺序执行；`async` 下载完就执行，顺序不保证
- 图片这类资源不阻塞 `DOM` 构建；跨站资源受 `CORS`、`CSP` 这些规则约束

**`DOM` 是浏览器把 `HTML` 字节流解析出来的树，`JavaScript` 会影响它的构建，最典型的是普通 `<script>` 会让解析器停下来等。** 解析器是边下载边解析的，可是遇到没有 `async`、`defer` 的脚本，它得先把脚本下载完、执行完才能接着往下解析，因为脚本里可能 `document.write` 或者删改节点。所以外链脚本放在 `<head>` 里又没加 `defer`，脚本下载多久页面就白多久。我现在写页面，不依赖解析过程的脚本一律加 `defer`，或者用 `type="module"`，它默认就是 `defer` 的行为。

```html
<script src="a.js"></script>        <!-- 阻塞解析：下载 + 执行完才继续 -->
<script defer src="b.js"></script>  <!-- 不阻塞：解析完、DOMContentLoaded 前按顺序执行 -->
<script async src="c.js"></script>  <!-- 不阻塞下载：下载完立刻执行，顺序不定 -->
```

在上一篇文章中，我们通过开发者工具中的网络面板，介绍了网络请求过程的几种性能指标以及对页面加载的影响。

而在渲染流水线中，后面的步骤都直接或者间接地依赖于 DOM 结构，所以本文我们就继续沿着网络数据流路径来介绍 DOM 树是怎么生成的。然后再基于 DOM 树的解析流程介绍两块内容：第一个是在解析过程中遇到 JavaScript 脚本，DOM 解析器是如何处理的？第二个是 DOM 解析器是如何处理跨站点资源的？

**原理拆解：** 网络层交付的是字节流，渲染引擎先依据编码把它转换为字符，再由 `HTML` 解析器进行词法处理、生成令牌，并按照树构建规则创建和挂接节点。这个过程通常是流式的，不必等完整文档下载完才开始，所以下载与解析能够交叠进行。生成的 `DOM` 不只是元素标签的镜像：浏览器还会补全某些隐含结构，并按照 `HTML` 解析规则纠正部分不规范嵌套。

**具体例子：** 解析器遇到没有 `async`、`defer` 的外部经典脚本时，会暂停后续文档解析，等待脚本取得并立即执行，因为脚本可能通过 `document.write`、节点插入或删除改变当前文档。脚本执行时只能可靠访问已经解析完成的前置节点；位于其后的元素尚未进入 `DOM`。带 `defer` 的经典脚本可在文档解析完成后、`DOMContentLoaded` 前按文档顺序执行，从而减少对树构建的阻塞。

**边界与排查：** 跨站脚本、图片或接口并不会因为来源不同就改变 `DOM` 的基本树构建算法，但会受到网络延迟、同源策略、`CORS`、内容安全策略等约束。图片下载通常不阻塞 `DOM` 构建，而同步脚本可能阻塞；不能把所有外部资源统一归类为“阻塞解析”。动态插入的脚本及模块脚本也有不同的调度语义，应按具体类型判断。

**工程验证：** 可在脚本前后分别调用 `document.getElementById`，观察后置节点在同步脚本执行时是否为 `null`；再将脚本改为 `defer` 对比结果。开发者工具的网络瀑布图能确认脚本等待时间，性能面板中的解析事件、脚本任务和 `DOMContentLoaded` 时间则可用于确认阻塞发生在哪一段。

- **`HTML` 几十毫秒就返回了，首屏还是迟迟不出来，能排除解析问题吗？**

  不能。`HTML` 到了只是字节到了，解析时如果碰到同步外链脚本，解析器要停下来等它下载和执行，`DOM` 迟迟建不完。去 `Performance` 里看 `Parse HTML` 有没有被脚本切断成好几段。

- **同一段脚本从 `<body>` 末尾挪到 `<head>`，`getElementById` 突然返回 `null`，为什么？**

  同步脚本执行时，只有它前面已经解析过的节点存在，后面的元素还没进 `DOM`。挪回末尾，或者加 `defer`，或者把逻辑放到 `DOMContentLoaded` 回调里。

- **一堆同步外链脚本，要减少阻塞又要保证依赖完整 `DOM` 的代码能跑，怎么改？**

  改成 `defer`。它不阻塞解析，执行时 `DOM` 已经建好，而且多个 `defer` 脚本按书写顺序执行，依赖关系不会乱。别图省事全改成 `async`，它的执行顺序看谁先下载完。

- **安全评审说跨站的图片、脚本、接口都会阻塞 `DOM` 解析，对吗？**

  不对，阻不阻塞看资源类型，不看是不是跨站。同步脚本会阻塞，图片不会，`fetch` 接口更跟解析没关系。跨站带来的是 `CORS`、`CSP` 这些访问限制，不改变解析流程。

- **`CSS` 会阻塞 `DOM` 解析吗？**

  不直接阻塞解析，但会阻塞渲染。另外 `CSS` 后面跟着同步脚本时，脚本要等 `CSS` 下载解析完才执行（因为脚本可能读样式），这时候 `CSS` 就间接拖住了 `DOM` 解析。

## 什么是 DOM

- `DOM` = 浏览器内部对 `HTML` 的树形表示，网络传来的字节流渲染引擎没法直接用
- 对页面：它是生成画面的基础数据，后面样式、布局都从它开始
- 对 `JS`：它是一套操作接口，`querySelector`、`appendChild` 改的都是它
- 改的是当前页面内存里的树，不会写回服务器上的 `HTML`
- 安全上别指望它：解析器不负责过滤恶意内容，防 `XSS` 靠转义、`CSP`、`Trusted Types`

**`DOM` 是浏览器把 `HTML` 文本解析后，在内存里建的一棵节点树，它把页面和 `JavaScript` 连了起来。** 服务器发来的 `HTML` 只是一串字节，渲染引擎得先把它变成 `DOM`，后面的样式计算、布局才有东西可用。对 `JS` 来说，`DOM` 就是一套 `API`，`document.querySelector`、`appendChild` 改的都是这棵树，改完页面就跟着变。安全方面我会多说一句：浏览器解析器会处理一些细节，比如 `innerHTML` 插进去的 `<script>` 不会执行，但 `<img src=x onerror=alert(1)>` 照样触发，所以别把解析阶段当防线，用户内容该转义还是要转义。

从网络传给渲染引擎的 HTML 文件字节流是无法直接被渲染引擎理解的，所以要将其转化为渲染引擎能够理解的内部结构，这个结构就是 DOM。DOM 提供了对 HTML 文档结构化的表述。在渲染引擎中，DOM 有三个层面的作用

- 从页面的视角来看，DOM 是生成页面的基础数据结构。
- 从 JavaScript 脚本视角来看，DOM 提供给 JavaScript 脚本操作的接口，通过这套接口，JavaScript 可以对 DOM 结构进行访问，从而改变文档的结构、样式和内容。
- 从安全视角来看，DOM 是一道安全防护线，一些不安全的内容在 DOM 解析阶段就被拒之门外了。

简言之，DOM 是表述 HTML 的内部数据结构，它会将 Web 页面和 JavaScript 脚本连接起来，并过滤一些不安全的内容。

- **后端把返回的 `HTML` 字符串叫「已经生成好的 `DOM`」，有什么问题？**

  那只是文本。浏览器拿到后还要分词、建节点、挂到树上才是 `DOM`，这一步也要花时间，长页面解析耗时在 `Performance` 里能看到。

- **富文本编辑器里用 `JS` 改了内容，刷新后又没了，为什么？**

  `JS` 改的是当前页面内存里的 `DOM`，不会写回服务器。要保存就得把内容序列化，比如取 `innerHTML` 或者编辑器的 `JSON`，提交给接口落库。

- **把用户输入直接 `el.innerHTML = input`，`<script>` 标签不执行，是不是就安全了？**

  不安全。`innerHTML` 插入的 `<script>` 确实不执行，但 `<img src=x onerror="...">` 这种事件属性照样会触发。纯文本用 `textContent`，必须渲染 `HTML` 就先用 `DOMPurify` 这类库过滤。

- **页面渲染和埋点脚本都要读节点结构，需要维护两份数据吗？**

  不需要，两边读的是同一棵 `DOM`。埋点脚本只读不改就不会影响页面；要是改了节点，页面会跟着重新计算样式和布局。

- **`React` 有虚拟 `DOM`，那真实 `DOM` 还重要吗？**

  重要。虚拟 `DOM` 只是 `JS` 对象，最后还是要把差异更新到真实 `DOM` 上，页面才会变。真实 `DOM` 操作贵，虚拟 `DOM` 的价值就是帮你少做、批量做这些操作。

## DOM 树如何生成

- `HTML` 解析器边下载边解析：网络进程收多少，就通过管道送多少给渲染进程
- 网络进程先看 `Content-Type`，是 `text/html` 才选 / 建渲染进程，接着建数据管道
- 三步：分词器把字节切成 `Token`（开始标签、结束标签、文本）→ 建节点 → 挂到树上，后两步同步进行
- 用栈算父子关系：开始标签建节点并入栈、文本建文本节点不入栈、结束标签匹配栈顶就出栈
- 真实浏览器还会纠错：标签没闭合、嵌套不对，会按 `HTML` 规范补全或调整

**`DOM` 树是 `HTML` 解析器边接收字节流边构建出来的，不用等整个文档下载完。** 网络进程看到响应头 `Content-Type` 是 `text/html`，就准备好渲染进程，两边之间建一根「水管」，网络进程收到数据就往里倒，渲染进程那头的解析器一边读一边解析。解析时先由分词器把字节流切成 `Token`，再用一个栈维护层级：遇到开始标签就建节点、挂到栈顶节点下面再入栈，遇到文本就建文本节点挂到栈顶下面，遇到结束标签就把对应的开始标签弹出。所以长页面下载一半时，前半截的 `DOM` 就已经能看到了。

```js
// 解析 <div><p>hi</p></div> 时栈的变化（document 一开始就在）
// StartTag div → 建 div，父节点 document，入栈   栈：[document, div]
// StartTag p   → 建 p，父节点 div，入栈          栈：[document, div, p]
// Text "hi"    → 建文本节点挂到 p 下，不入栈
// EndTag p     → 栈顶是 p，出栈                  栈：[document, div]
// EndTag div   → 栈顶是 div，出栈                栈：[document]
```

```mermaid
sequenceDiagram
    autonumber
    participant N as 网络进程
    participant P as 数据管道
    participant R as 渲染进程
    participant H as HTML 解析器
    participant T as DOM 树
    N->>N: 收到响应头，Content-Type 为 text/html
    N->>R: 选择或创建渲染进程
    N->>P: 收到一段字节就写入管道
    R->>P: 持续读取字节
    P-->>R: 返回已到达的字节流
    R->>H: 把字节喂给解析器
    H->>H: 分词器切出 StartTag / EndTag / 文本 Token
    H->>T: 创建节点并挂到栈顶节点下
    alt 还有数据
        N->>P: 继续写入后续字节
    else 文档结束
        H->>T: 栈清空，DOM 构建完成
    end
```

在渲染引擎内部，有一个叫HTML 解析器（HTMLParser）的模块，它的职责就是负责将 HTML 字节流转换为 DOM 结构。所以这里我们需要先要搞清楚 HTML 解析器是怎么工作的。

在开始介绍 HTML 解析器之前，我要先解释一个大家在留言区问到过好多次的问题：HTML 解析器是等整个 HTML 文档加载完成之后开始解析的，还是随着 HTML 文档边加载边解析的？

在这里我统一解答下，HTML 解析器并不是等整个文档加载完成之后再解析的，而是网络进程加载了多少数据，HTML 解析器便解析多少数据。

那详细的流程是怎样的呢？网络进程接收到响应头之后，会根据响应头中的 content-type 字段来判断文件的类型，比如 content-type 的值是“text/html”，那么浏览器就会判断这是一个 HTML 类型的文件，然后为该请求选择或者创建一个渲染进程。渲染进程准备好之后，网络进程和渲染进程之间会建立一个共享数据的管道，网络进程接收到数据后就往这个管道里面放，而渲染进程则从管道的另外一端不断地读取数据，并同时将读取的数据“喂”给 HTML 解析器。你可以把这个管道想象成一个“水管”，网络进程接收到的字节流像水一样倒进这个“水管”，而“水管”的另外一端是渲染进程的 HTML 解析器，它会动态接收字节流，并将其解析为 DOM。

解答完这个问题之后，接下来我们就可以来详细聊聊 DOM 的具体生成流程了。

前面我们说过代码从网络传输过来是字节流的形式，那么后续字节流是如何转换为 DOM 的呢？你可以参考下图：

![](https://s.poetries.top/gitee/2019/11/57.png)

从图中你可以看出，字节流转换为 DOM 需要三个阶段。

**第一个阶段，通过分词器将字节流转换为 Token。**

前面《14 | 编译器和解释器：V8 是如何执行一段 JavaScript 代码的？》文章中我们介绍过，V8 编译 JavaScript 过程中的第一步是做词法分析，将 JavaScript 先分解为一个个 Token。解析 HTML 也是一样的，需要通过分词器先将字节流转换为一个个 Token，分为 Tag Token 和文本 Token。上述 HTML 代码通过词法分析生成的 Token 如下所示：

![](https://s.poetries.top/gitee/2019/11/58.png)

由图可以看出，Tag Token 又分 StartTag 和 EndTag，比如<body>就是 StartTag ，</body>就是EndTag，分别对于图中的蓝色和红色块，文本 Token 对应的绿色块。

**至于后续的第二个和第三个阶段是同步进行的，需要将 Token 解析为 DOM 节点，并将 DOM 节点添加到 DOM 树中**。

> HTML 解析器维护了一个Token 栈结构，该 Token 栈主要用来计算节点之间的父子关系，在第一个阶段中生成的 Token 会被按照顺序压到这个栈中。具体的处理规则如下所示：

---

> 以上是免费部分。完整内容需要「前端进阶之旅」会员，原文：https://feinterview.poetries.top/docs/fe-base-docs/browser/part5/22-DOM%E6%A0%91%EF%BC%9AJavaScript%E6%98%AF%E5%A6%82%E4%BD%95%E5%BD%B1%E5%93%8DDOM%E6%A0%91%E6%9E%84%E5%BB%BA%E7%9A%84
