Scryer-Prolog中sgml模块解析HTML时出现Rust panic问题分析

2025-07-03 09:04:15作者：齐冠琰

Scryer-Prolog是一款用Rust实现的现代Prolog解释器，其sgml模块提供了HTML/XML文档的解析功能。近期在开发分支rebis-dev/master版本中发现了一个严重问题：当解析包含DOCTYPE声明的HTML文档时，系统会触发Rust panic异常。

问题现象

在Scryer-Prolog 0.9.4稳定版中，sgml模块能够正常解析HTML文档，无论是否包含DOCTYPE声明：

?- load_html("<html><head><title>Hello!</title></head></html>", Es, []).
Es = [element(html,[],[element(head,[],[element(title,[],["Hello!"])]),element(body,[],[])])].

?- load_html("<!DOCTYPE html><html><head><title>Hello!</title></head></html>", Es, []).
Es = [element(html,[],[element(head,[],[element(title,[],["Hello!"])]),element(body,[],[])])].

但在最新的开发分支中，解析包含DOCTYPE的文档会触发Rust panic：

?- load_html("<!DOCTYPE html><html><head><title>Hello!</title></head></html>", Es, []).
thread 'main' panicked at src/machine/system_calls.rs:8672:56:
called `Option::unwrap()` on a `None` value

问题根源

经过分析，问题源于sgml模块在处理HTML特殊标记时的错误处理机制不完善。具体表现为：

当遇到DOCTYPE声明时，解析器未能正确处理该语法结构
在Rust代码中直接使用了unwrap()方法而没有进行空值检查
错误处理路径不完整，导致系统级panic而非优雅的错误返回

最小复现代码显示，仅输入"<!"就足以触发该panic：

?- load_html("<!", Es, []).
thread 'main' panicked...

解决方案

开发团队迅速响应并提出了修复方案，主要改进包括：

移除了可能导致panic的unwrap()调用
完善了DOCTYPE和注释等特殊标记的处理逻辑
增强了错误处理机制，确保解析失败时返回合理结果而非系统崩溃

修复后的版本不仅解决了panic问题，还带来了功能增强：

?- load_html("<!DOCTYPE html>", Es, []).
Es = [doctype("html"),element(html,[],[element(head,[],[]),element(body,[],[])])].

?- load_html("<!-- a comment -->", Es, []).
Es = [comment(" a comment "),element(html,[],[element(head,[],[]),element(body,[],[])])].