rebol - 如何正确解析成对的 html 标签？

Question

问题是关于解析通过加载/标记获得的 html 流，您可以获得 html 标签组成部分，即当您找到

<div id="one">my text</div> 

你应该在同一个容器中以

, {my text} 和

结尾，比如

[<div id="one"> {my text} </div>] 

甚至更好

[<div> [id {one}] {my text} </div>]

解析问题是匹配成对的 html 标签，在 html 中，标签可能是一个空标签，可能有属性但没有内容，因此没有结束标签或普通标签可能有属性和内容等结束标签，但两种类型的标签只是一个标签

我的意思是当你找到一个像

some words

这样的序列时，你有一个 P 标签，就像你得到一个像

这样的序列只是一个 P 标签一样，在第一种情况下，你有关联的文本和结束标签而在后者中你没有，仅此而已

换句话说，html 属性和内容是 html 中标签元素的属性，因此在 json 中表示它，您将得到如下内容:

tag: { name: "div" attributes: { id: "one } content: "my text" }

这意味着您必须识别标签的内容才能将其分配给正确的标签，就 rebol 解析而言，这意味着识别匹配的标签(开始标签和结束标签)

在 rebol 中，您可以轻松解析 html 序列，例如:

<div id="yo">yeah!</div><br/>

规则:

[ some [ tag! string! tag! | tag! ]]

但是使用此规则，您将匹配 html

<div id="yo">yeah!</div><br/> 

并且

<div id="yo">yeah!</p><br/> 

因为一样

所以你需要一种在结束位置出现时匹配相同开始标签的方法

遗憾的是，rebol 标签不能(AFAIK)用标签名称参数化，所以你不能说:

[ some [ set t1 tag! set s string! set t2 tag!#t1/1 | tag! ] ]

t1/1 表示法是由于 rebol 的一个(坏)特性，包括所有标记名称相同级别的标记属性(另一个坏特性不是将匹配的标记识别为相同的标记)

当然，您可以使用以下代码实现目标:

tags: copy []
html: {<div id="yo">yeah!</p><br/>}
parse html [ some [ set t1 tag! set s string! set t2 tag! (tag: first make block! t1 if none <> find t2 tag [append/only tags reduce [t1 s] ]) | tag! (append/only tags reduce [t1])]]

但这个想法是使用更优雅和天真的方法只使用解析方言

Answer 1

有一种方法可以解析 rebol parse 方言中的项目对，只需使用一个单词来存储预期的对:

parse ["a" "a"] [some [set s string! s ]]
parse ["a" "a" "b" "b"] [some [set s string! s ]]

但这对标签不起作用，因为标签带有属性和特殊的结束标记 (/)，因此从最初的一对中找到结束对并不容易:

parse [<p> "some text" </p>] [some [ set t tag! set s string! t ]
parse [<div id="d1"> "some text" </div>] [some [ set t tag! set s string! t ]

不起作用，因为

不等于

并且