确定正确的html标签关闭的算法

Question

我正在用 JAVA 编写自己的 HTML 解析器实现。 到目前为止，我已经完成了词法分析器并开始编写解析器。我正在创建 DOM 树，我想确定我的 HTML 是否构造正确。

例如，我有一个 img 标签，它是一个基于 w3 org html syntax 的 void 标签p>

它不需要结束标记。

另一方面，body、head等大部分标签都必须有结束标签。

我的问题是：处理这个问题的正确方法是什么？

我不需要工具或任何外部网站来确定，我在问什么是确定的方法。

Answer 1

您正在处理 HTML，因此标签集非常有限。您可以轻松跟踪标签是否为 void 标签。

对于其余的标签，我建议使用以下算法：

1. 获取下一个标签。 (a) 如果它是一个开始标签，例如 ，只需将它推送到 Stack。 (b) 如果是结束标签，则转到步骤 2。 (c) 如果没有更多的标签需要解析，你的 HTML 是有效的。

2. 从堆栈中逐一弹出标签。 (a) 如果您在到达当前标签的开始对之前在堆栈上遇到另一个 开始标签，那么您的 HTML 结构已损坏。 (b) 如果您清空堆栈并且当前的 结束标记 仍然没有一对，那么再次说明您的 HTML 已损坏。 (c) 如果您遇到当前标签的开始对，请避免使用情况 (a) 和 (b)。转到第 1 步。

这是一个粗略的伪代码，但我希望你能明白。如有必要，我可以用 Java/C# 编写实现。

Answer 2

这是许多软件公司的经典“求职面试问题”。它是关于检查字符串（在本例中为您的 HTML 代码）是否相对于某些字符（在本例中为 HTML 标记）保持平衡。使用堆栈解决此问题。当您处理字符串时，对于每个开始标签，您调用“推送”操作。对于每个结束标记，您调用一个“pop”操作。如果在处理结束时堆栈为空（并且在分析过程中没有发现错误），您的 HTML 代码将被平衡。下面的函数检查一个字符串是否在括号方面是平衡的。

private boolean isBalanced(String s) {

    Stack symbolStack = new Stack();

    for(int i = 0; i < s.length(); i++) { //Processing the input string ...

        char c = s.charAt(i);

        if(c == '(') { //If the character is an opening parenthesis --> push

            symbolStack.push(c);
        }
        else if(c == ')') { //If the character is a closing parenthesis ...

            if(symbolStack.isEmpty()) { //Error: the stack is empty
                return false;
            }
            else {
                char c2 = (char) symbolStack.pop();

                if(c2 != '(') { //Error: no opening parenthesis in the stack
                    return false;
                }
            }
        }
    }

    if(symbolStack.isEmpty()) { //No error and empty stack --> balanced string
        return true;
    }

    return false;
}