网页创作系统WHPAT的HTML语法分析转换器实现.pdfVIP

网页创作系统WHPAT的HTML语法分析转换器实现 阮志丹梁妙园冯刚谢鹤宜 华中师范大学多媒体技术研究所430079 摘要：苯文在分析ttTML3．2语法的基础之上结合I卧IPAT创作系统的内存具体组织方式，按照面向对象的 方法设计了一个HTML语法分析转捷嚣，以完成从内存副IITML文本交件的转换和从盯札文件列内存的转换 工作． 荚键词：／IIPAT创作§统ⅡTML语言标记 =叉埘先序遍历 1。引言 Web HomePageAuthoringTool(简称WHPAT)是我所新近设计开发的一个全中文化的 Web网页创作系统。该系统采用可视化界面、所见即所得(WYsl、】n，G)的捧版方式。易学易用， 适合于中小型企事业单位，非计算机专业的广大用户，可以用来进行包含文字、图象、声音等 多种媒体信息的发布和信息查询等服务。 2．超文本标记语言(HTML)语法筒析 HTML语言由标记(tag)组成，HTML标记可分为两类：包容标记和空标记。包容标记由一 个开始标记和一个结束标记构成． First 例如：TITLE-MyHomcpage!／rlTLE．空标记只 有起始标记而没有结束标记。例如：IMG SRC=global．g渺。 3．HTML语法分析转换器的实现 3，1．HTML文件的二叉树转换 在HTML语法规范中，定义了许多基本元素对象。这些元素并不是一种离散的关系，而 是有一定的隶属关系，有的还有嵌套关系。如：段落里可以包含绝大多数HTML基本元素；表 格(Table)里可以嵌套表格；表单(Form)里面可以含有文本、图象等元素等．这些元素的相对位 置关系、隶属关系及任何复杂的关系，都可以用二又树结构清楚地表示出来。使用二叉树有着 其突出的优点，对二叉树的各种操作，如查找、插入、删除等都有比较成熟的算法． 3．2从HTML文本文件转换到内存格式 每次打开HTML文本文件时，把文件内容读出，将其存入～缓冲区。然后，对缓冲区中 的文本字符进行逐个扫描。这里需要设置两个指示器：起点指示器和终点指示器．起点指示器 用于指向正在识别的标记的左尖括号‘’，终点指示器用于指向该标记的右尖括号‘’。 这样，就可对起点指示器和终点指示器之间标记的内容进行处理，具体地说，就是把该标记的 属性等各种信息存放剑相应的数据结构中去。一个标记处理完后，再从该标记的终点指示器后 ～字符重新开始扫描，又得到下一个标记。如此循环往复，直到扫描完毕。一般来说，一个标 记将形成树结构中的一个结点，但有些标记是另一元素的属性，如B、I，u等是文本的属性， 它们就不单独形成结点，而是作为文本结点的属性。此外还有一个重要的问题需要解决，印如 何构成结点之间的关系，形成一种树状结构。因为最终要形成二叉树的结构，所以结点闻的关 系不外乎两种：父子关系和兄弟关系．笔者采用堆栈的方法来解决这个闫J露。 为了表示出结点之间的关系。需要设置前一相关结点指针pNode、当前结点指针cNode 的关系(为1表示是兄弟关系，为0表示是父子关系)。对下一结点来说，iNode划为前一循环 而与当前结点之间问隔着若干个结点。这就需要朋堆栈来保留前一相关结点的ID值信息。具 体米说，如果遇到空标记，只需将lsBrother设置为1，因为空标记和下一标记之间肯定为兄弟 关系。对于包容标记，情况就要复杂一些，堆栈的方法在这里得到运用。如果遇到包容标记的 容标记如果嵌套下一标记．划其与下一标记应为父子关系；如果遇到该包容标记的结束标记． 设置为1，这是因为该包答标记已经结束，其与下一标记之问应为兄弟关系。 其具体算法如下：(用类C语言描述) (1)Begin cNode=0lsBmther-0 (2)初始化系统参数：—Nodc=-I (3)While(文件尚未处理完毕) ㈥ 识别一个标记卜殴连续的纯文字 (5) If(是纯文字) cNode=lD (6) 进行文本对象处理；令ID=ID+IpNode=cNode (7) 建立pNode与cNode的关系；令lsBrother=l f8’ Els