查找字符串中打开的闭合 html 标记的数量答案

【问题标题】：finding the number of open closed html tags in a string查找字符串中打开的闭合 html 标记的数量
【发布时间】：2020-12-17 07:54:43
【问题描述】：

我试图找出找到字符串中有效 HTML 标记数量的最佳方法。

假设标签只有当它有一个开始和结束标签时才有效

这是一个测试用例的例子

INPUT

"html": "<html><head></head><body><div><div></div></div>"

Output

"validTags":3

【问题讨论】：

这能回答你的问题吗？ How to validate HTML from Java?
  怎么样？
不要使用正则表达式来解析 HTML。如果您能够调整一个为您验证 HTML 的库，那就太好了。
无效
正如建议的问题中所建议的那样，您应该使用适当的解析器，而那些可能已经有了解决方案。如果你想自己做（但你为什么要这样做？）请记住，可能有（有效的）自闭合标签，如  ，如建议的 saka1029 和无效的情况，如 <a></a>（其中有每个标签的结束匹配，但嵌套错误） - 还有更多您可能还没有想到的情况。

标签： java string algorithm

【解决方案1】：

如果需要解析 HTML

不要自己动手。没有必要重新发明轮子。有大量用于解析 HTML 的库。为正确的工作使用正确的工具。

将精力集中在项目的其余部分上。当然，您可以实现自己的函数来解析字符串，查找< 和>，并采取适当的行动。但是 HTML 可能比您想象的要复杂一些，或者您最终可能需要更多的 HTML 解析，而不仅仅是计算标签。

也许将来您还想计算  和 。或者你会想要找到 HTML 树的深度。

也许您的自制代码没有考虑转义字符、嵌套标签等所有可能的组合。字符串中有多少正确的标签： <a><c><d e><f g="<h></h>">" l="</k>"></f></e d></c></ a >

在评论中，用户 dbl 链接到一个类似的问题，其中包含指向库的链接：How to validate HTML from java ?

如果你想把开闭标签对算作一个学习项目

这是一个用伪代码提出的算法，作为递归函数：

function count_tags(s):
  tag, remainder = find_next_tag(s)
  found, inside, after = find_closing_tag(tag, remainder)
  if (found)
    return 1 + count_tags(inside) + count_tags(after)
  else
    return count_tags(inside)

示例

在字符串hello <a>world<c></c></a>上，我们会得到：

tag = "<a>"
remainder = "world<c></c></a><b></b>"
found = true
inside = "world<c></c>"
after = "<b></b>"
return 1 + count_tags("world<c></c>") + count_tags("<b></b>")

在字符串<html><head></head>:

tag = "<html>"
remainder = "<head></head>"
found = false
inside = "<head></head>"
after = ""
return count_tags("<head></head>")

在字符串<a></a>:

tag = "<a>"
remainder = "<b></a></b>"
found = true
inside = "<b>"
after = "</b>"
return 1 + count_tags("<b>") + count_tags("</b>")

【讨论】：

【解决方案2】：

我写了一个函数来做这个。

static int checkValidTags(String html,String[] openTags, String[] closeTags) {
    //openTags and closeTags must have the same length;
    //This function keeps track of all opening tags.
    //and removes the opening and closing tags if the tag is closed correctly
    //It can even detect when there are labels added to the tags.
    HashMap<Character,Integer> open = new HashMap<>();
    HashMap<Character,Integer> close = new HashMap<>();

    //Use a start character, this is 1 because 0 would be a string terminator.
    int startChar = 1;
    for(int i = 0; i < openTags.length; i++) {
        open.put((char)startChar, i);
        close.put((char)(startChar+1), i);
        html = html.replaceAll(openTags[i],""+ (char)startChar);
        html = html.replaceAll(closeTags[i],""+(char)(startChar+1));
        startChar+=2;
    }
    List<List<Integer>> startIndexes = new ArrayList<>();
    int validLabels = 0;
    for(int i = 0; i < openTags.length; i++) {
        startIndexes.add(new ArrayList<>());
    }
    for(int i = 0; i < html.length(); i++) {
        char c = html.charAt(i);
        if(open.get(c)!=null) {
            startIndexes.get(open.get(c)).add(0,i);
        }
        if(close.get(c)!=null&&!startIndexes.get(close.get(c)).isEmpty()) {
            String closed = html.substring(startIndexes.get(close.get(c)).get(0),i);
            for(int k = 0; k < startIndexes.size(); k++) {
                if(!startIndexes.get(k).isEmpty()) {
                    int p = startIndexes.get(k).get(0);
                    if(p > startIndexes.get(close.get(c)).get(0)) {
                        startIndexes.get(k).remove(0);
                    }
                }
            }
            startIndexes.get(close.get(c)).remove(0);
            html.replace(closed, "");
            validLabels++;
        }
    }
    return validLabels;
    
}

要在您的示例中使用它，您可以这样做：

    String html = "<html><head></head><body><div><div></div></div>";
    
    int validTags = checkValidTags(html,new String[] {
            //Add here all the tags you are looking for.
            //Remove the trailing '>' so it can detect extra tags appended to it
            "<html","<head","<body","<div"
    }, new String[]{
            "</html>","</head>","</body>","</div>"
    });
    
    System.out.println(validTags);

输出：

【讨论】：