HTML5解析由两部分组成：分词与构建树。
分词属于语法分析部分，它把输入解析成符号序列。在HTML中符号就是开始标签，结束标签，属性名称和属性值。
分词算法
分词算法可以用状态机来描述。每一个状态从输入流中消费一个或者多个字符，并根据它们更新下一状态。
决策受当前符号状态和树的构建状态影响。这意味着同样的字符可能会产生不同的结果，取决于当前的状态。
<html>
<body>
Hello world
</body>
</html>
初始状态是Data state，当遇到<时状态改为Tag open state。吃掉a-z字符组成的符号后产生了Start tag token，状态变更为Tag name state。我们一直保持此状态，直到遇到>。每个字符都被追加到新的符号名上。在我们的例子中，解出的符号就是html。
当碰到>时，当前符号完成，状态改回Data state。<body>标签将会以同样的方式处理。现在html与body标签都完成了，我们回到Data state状态。吃掉H（Hello world第一个字母）时会产生一个字符符号，直到碰到</body>的<符号，我们就完成了一个字符符号Hello world。
现在我们回到Tag open state状态。吃掉下一个输入/时会产生一个end tag token并变更为Tag name state状态。同样，此状态保持到我们碰到>时。这时新标签符号完成，我们又回到Data state。同样</html>也会被这样处理。
树的构建算法
当分词解析器被创建时，文档对象也会被创建。
在树的创建过程中DOM树的根节点（Document）将被修改，元素被添加到上面去。每个分词器完成的节点都会被树构建器处理。
除了把元素添加到DOM树外，它还会被添加到一个开放元素堆栈。这个堆栈用于纠正嵌套错误和标签未关闭错误。
<html>
<body>
Hello world
</body>
</html>
树的构建过程中，输入就是分词过程中得到的符号序列。第一个模式叫initial mode。接收html符号后会变成before html模式并重新处理此模式中的符号。这会创建一个HTMLHtmlElement元素并追加到根文档节点。
然后状态改变为before head。我们收到body时，会隐式创建一个HTMLHeadElement，尽管我们没有这个标签，它也会被创建并添加到树中。
现在我们进入in head模式，然后是after head，Body会被重新处理，创建HTMLBodyElement元素并插入，然后进入in body模式。
字符符号Hello world收到后会创建一个Text节点，所有字符都被一一追加到上面。
收到body结束标签后进入after body模式，收到html结束标签后进入after after body模式。所有符号处理完后将终止解析。