请问那位大哥有过开发HTML浏览器(读取网页标签的算法)的经验？100分送上

[Putao]

小弟正在开发一简易网页浏览器，需要在程序中识别网页标签，
包括：标签名(如：FORM)，
参数名(如：COLOR)，
参数值(如：#FFFFFF)，
标签结尾(如：〈/FORM〉，
最重要的还是标签名。请问用什么算法可以搞定？

请给出原理解释，有源码(Delphi)更好！

[subzero]

好好看看编译原理吧！

[Putao]

什么是编译原理,你有吗?请给我Email一份

[killjapan05]

好好看看编译原理吧????
读入一字符串，然後进行处理！与编译原理有何干系？

[bokei]

编译原理说白了就是讲如何对程序进行编译的算法，有很多讲这问题的书。

通常讲编译原理的书里都有一部分是讲语法分析的，可以看一下，原理都一样的。

[llt]

简单的办法就是找一个免费网页浏览器原码来参考。若想了解原理，可以看rfc1945、rfc2068。

[Putao]

to llt:
是英文的,头大了!!!

[ahao]

HTML的的标签配对不是很严格,某些可以只有前半部，
某些可以只有后半部...

[Putao]

那么,如果我是想编一个网页语法检查器,改如何实现呢?

[Putao]

我只想实现让程序知道:这是一个标签.
请先回答这个最简单的问题!

[Putao]

我只想实现让程序知道:这是一个标签.
请先回答这个最简单的问题!

[mars22]

如果用MFC编程，倒是可以直接使用CHtmlView类。
IE有的功能它基本都有。

[killjapan05]

ok?

[Putao]

我只想实现让程序知道:这是一个标签.
请先回答这个最简单的问题!

各位大虾,拜托了!

[kill_kill01]

关注

[Putao]

To deanjiang:
“空白符不只是空格，可以是“\n\b\r\s”...”
是什么意思，请指教。

[deanjiang]

按照rfc文档做出来当然最好，不过IE与NS都不是这样做的，因为显示中的HTML大都不完全符合语法，最常见的就是该匹配的标记没有成对出现。你的要求并不高，所以就好实现了，不用看什么变异原理。下面是我的思路
1 识别标记：
标记开始的形式是<XXXX ,即“<”字符紧接着一系列的英文字母或数字，中间不可一有空白符，之后以空白符分隔；空白符不只是空格，可以是“\n\b\r\s”...
如果标记在一个注释内部、或在属性内就忽略掉。
2 识别属性
识别处标记的首部，之后出现属性，有两种情况：
1）单独的英文字母或数字序列，后面没有尾随“=”或“一系列空白符=”，可是做一个属性，如checked属性。(后面的描述大多可以间隔空白符，不一一说明了)
2）后面尾随“=”或“一系列空白符=”，则得到一个属性的名称，等号后面的如果出现“"”
则降下一个“"”之间的内容当作属性（这里不支持c风格的转移序列，而是用HTML转移序列。）。另一种情况，等号后面没有出现“"”，简单的把跟随的文字序列作为属性值，直到发现空白符或>符号。
属性结束后发现>符号，则一个标记处理完毕
3。实际系统中，结束标签可以忽略，</XXXX 只要发现就搜索到下一个>,将中间的字符忽略。
处理中需要使用堆栈，每识别完一个开始标签将其压栈，发现某一个标记的结束标签后，在堆栈中不断弹出栈顶元素，每弹出一个元素此元素的作用域就结束了，直到弹出的元素是相应的开始标记为止。实际上结尾标记从来不进入堆栈，这样便解决了标记不匹配的问题。

从实现的角度看，可以把超文本注释、属性的引号字符串，连续的非空白符文本，作为处理的最小单元，只可以出现在栈顶，当他们在栈顶时，压栈操作可以忽略。这样就只需要一遍单向扫描。至一点对实际的浏览器是必须的，因为要在文件完全下在完之前显示。

[Putao]

To deanjiang:
“空白符不只是空格，可以是“\n\b\r\s”...”
是什么意思，请指教。

[Putao]

To deanjiang:
“空白符不只是空格，可以是“\n\b\r\s”...”
是什么意思，请指教。