面向html标签的正则表达式

王朝html/css/js·作者佚名  2006-03-16
窄屏简体版  字體: |||超大  

如何构建一种面向 html 标签的正则表达式语法?

在处理字符串的过程中,正则表达式有着不可替代的位置。现在的计算机高级语言中都有相应的正则表达式支持包。

如果我们把一个网页中 html 代码当作一个有结构的字符串,那么如何用一种类似正则表达式的方式来提取想要的html标签(tags)呢?

这里先不考虑如何实现,而先考虑如何用一种类正则表达式的方式来描述html标签。

要取得一个html标签(tag),需要知道该标签的2类属性:

1、标签的位置;

2、标签本身的属性;

比如 在下面的html网页中:

<html>

<body>

<div id="BodyWrapper" class="wrapper">

<div id="LeftWrapper" class="wrapper">

</div>

<div id="RightWrapper" class="wrapper">

<div class="column">

<div>

<div class="column">

<div>

</div>

</div>

</body>

</html>

如果想提取上面html代码中 class 是 column的第二个 div 标签,那么需要我指定该div的 id 和 class 和 位置信息 。

现在的问题是:如何设计一个满足上述要求的表达语法呢?

比如:

gettag:div{tag-name:div;tag-position:2;tag-class:column;tag-id:; tag-content:;}

tag-parent{tag-name:div;tag-position:2;tag-class:column;tag-id:; tag-content:;}

tag-child{......}

上面这是一种 易于理解的描述式的语法。

或者类似 python的语法:

gettag:div

tag-name:

tag-id:

tag-position:2

tag-class:column

tag-content:

tag-parent:

tag-name:

tag-id:

tag-position:2

tag-class:column

tag-content:

tag-child:

tag-type:table

不知道大家有没有更适合的语法表现形式。

只要能合理的设计这个表达语法,那么后继的工作就好做了。

这样做的最终目的是:程序员可以用这种表达式解析html代码,就像处理普通的字符串那样的方便。

希望大家参与,多出主意,我会根据大家的反馈,完善这个语法,并做一个基于这个语法的实现。

参考:

关于正则表达式的基本介绍可以看这里:

http://blog.joycode.com/sumtec/archive/2004/06/29/26057.aspx

http://www.21tx.com/dev/2004/12/25/13132.html

正则表达式最早是由数学家Stephen Kleene于1956年提出,他是在对自然语言的递增研究成果的基础上提出来的。具有完整语法的正则表达式使用在字符的格式匹配方面上,后来被应用到熔融信息技术领域。自从那时起,正则表达式经过几个时期的发展,现在的标准已经被ISO(国际标准组织)批准和被Open Group组织认定。

正则表达式并非一门专用语言,但它可用于在一个文件或字符里查找和替代文本的一种标准。它具有两种标准:基本的正则表达式(BRE),扩展的正则表达式(ERE)。ERE包括BRE功能和另外其它的概念。

许多程序中都使用了正则表达式,包括xsh,egrep,sed,vi以及在UNIX平台下的程序。它们可以被很多语言采纳,如HTML 和XML,这些采纳通常只是整个标准的一个子集。

 
 
 
免责声明:本文为网络用户发布,其观点仅代表作者个人观点,与本站无关,本站仅提供信息存储服务。文中陈述内容未经本站证实,其真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
 
 
© 2005- 王朝網路 版權所有  導航