=========================================================================
| 4113 | html | HTML Parser |
=========================================================================
***************************************************************
***************** Beispiel Name: HTML Parser *****************
***************** BeispielNr.: 4113 *****************
***************** Autor: Sanel Krupic *****************
***************** MatrikelNr.: 0325454 *****************
***************** Runde: IV *****************
***************************************************************
======> KURZBESCHREIBUNG <======
Das Programm soll eine eingeschränkte Menge von HTML Tags (<HEAD>, <BODY>, ...) nach
vorgegebenen Regeln verarbeiten können. Eingeben wird eine Stringfolge (maximale Länge 300),
die aus den HTML Tags und dem Text besteht. Die Einhaltung der vorgegebenen Syntax soll überprüft
werden (z. B. Tags müssen wieder geschlossen werden) und bei fehlerhafter Syntax soll eine
Fehlermeldung ausgeben werden.
======> AUFGABESTELLUNG <======
Bitte beachten Sie, dass dieses Programm eine Eingabe ähnlich zu HTML Dokumenten verarbeiten können
soll, jedoch nur der folgenden Spezifikation genügen und eben diesen Funktionsumfang erfüllen soll.
Das Programm soll eine Stringfolge einlesen und die unten näher spezifizierten HTML Tags interpretieren
können. Der Text kann nicht formatiert ausgegeben werden, es soll daher nur angegeben werden, in welcher
Art er erscheinen würde (d. h. eine kurze Interpretation (<h2> = Text_sehr_gross, <h3> = Text_gross, ..),
gefolgt von einem Leerzeichen, dem unformatierten Text sowie einem Semikolon und einem Leerzeichen.
Für Tabellen soll "Tabelle" ausgegeben werden, danach jeweils mit Leerzeichen getrennt wie viele Spalten
und Zeilen sie hat und schließlich der Text der Zellen (so formatiert wie oben genannt). Grafiken,
Stylesheets und Scripte sind nicht erlaubt. Tags müssen immer geschlossen werden, d. h. einem <xxxx> folgt
immmer ein entsprechendes </xxxx>. Einzige Ausnahme ist das Tag <BR>, für das es kein schießendes Tag gibt
(falls doch so ist das als fehlerhaft anzusehen). Die Ausgabe des gesamten Programms wird mit "Ende"
abgeschlossen.
Erlaubte Tags und die anzuzeigende Interpretation, wobei "-" für keine Interpretation steht:
<xxxx>: Interpretation
<HTML> Konstruktor, muss immer vorhanden sein: -
<HEAD> innerhalb dieses Tags darf nur folgender Tag stehen
<TITLE>: für <HEAD> -, für <TITLE> "Titel"
<BODY> alle anderen Tags sollen innerhalb dieses Tags stehen : -
<h2> innerhalb dieses Tags ist Text : "Text_sehr_gross"
<h3> innerhalb dieses Tags ist Text : "Text_gross"
<h4> innerhalb dieses Tags ist Text : "Text_mittel"
<h5> innerhalb dieses Tags ist Text : "Text_normal"
<BR> Zeilenumbruch soll auch in Ausgabe vollzogen werden: -
<TABLE> Konstruktor für eine Tabelle; für jede Tabelle ist "Tabelle" gefolgt von einem Leerzeichen,
der Spaltenzahl, Leerzeichen, Zeilenzahl auszugeben; danach folgt der Inhalt der Zellen formatiert
wie oben angegeben. Alle folgenden Tags stehen innerhalb dieses Tags (<TBODY> muss genau ein mal
innerhalb dieses Tags stehen): -
<TBODY> die folgenden zwei Tags stehen innerhalb: -
<TR> für neue Zeile: -
<TD> für neue Spalte: -
Weiters gelten folgende Einschränkungen und Hinweise:
* Die Zeichenfolge zwischen den Zeichen < und > gilt als HTML Tag. Alle nicht explizit aufgelisteten Tags
gelten als fehlerhaft.
* Bei der Schreibweise der Tags ist unbedingt auf Groß-/Kleinschreibung zu achten.
* In dieser Spezifikation ist sämtlicher Text immer zwischen umgebenden <h#> angegeben (Ausnahme: <TITLE>).
Text ausserhalb von <h#> und </h#> soll ignoriert werden, d. h. es kommt zu keiner Ausgabe (ist kein Fehler).
* Innerhalb des <TITLE> Tags darf keine Formatierung angegeben werden.
* Weder <HEAD> noch <TITLE> Block sind zwingend erforderlich. Ein <HEAD> Bock ohne <TITLE> ist zulässig,
ein <TITLE> ohne <HEAD> Block aber nicht.
* Bei der Anzahl der Spalten ist immer die maximale Anzahl von Spalten (über alle Zeilen) anzugeben. Die Anzahl
der Zeilen entspricht der Anzahl der <TR> Tags.
<TD> Tags müssen immer in Zeilen (<TR>) stehen, pro <TR> mindestens eine Spalte; die Anzahl der Spalten in den
Zeilen kann verschieden sein.
* Tabellen dürfen durchaus öfter vorkommen, allerdings nicht geschachtelt werden.
* Das <BR> Tag kann im <BODY> vorkommen, weiters innerhalb von <TD> Tags sowie innerhalbt der Überschriften Tags.
* Es darf nur ein <BODY> Block im Dokument auftreten, ansonsten ist dies als Fehler zu werten.
* Textformatierungen dürfen nicht ineinander geschachtelt werden.
======> EINGABEDATEN <======
Lesen Sie die Stringfolge ein und interpretieren Sie diese entsprechend den Vorgaben. Um die Verarbeitung zu
erleichtern werden von der String-Einlesefunktion immer Strings geliefert, die entweder aus Tags oder aus Text
bestehen (und nicht beides gemeinsam). Der Eingabedatensatz wird immer mit dem </HTML> Tag abgeschlossen.
======> AUSGABEDATEN <======
Die Ausgabedaten sind gemäß obenstehender Aufgabenbeschreibung zu auszugeben. Beachten Sie dabei bitte
insbesonders den Unterabschnitt "Einschränkungen und Hinweise".
======> FEHLERBEHANDLUNG <======
Alle Datensätze sollen immer bis zum Ende eingelesen werden. Bei fehlerhaften Eingabesätzen (fehlerhafte bzw.
fehlende Tags, nicht geschlossene Tags) soll ein "FALSCHE EINGABE", gefolgt von einem Zeilenvorschub, ausgegeben werden.
Die maximal zulässige Gesamtlänge errechnet sich aus der Summe der Teillängen der jeweils von der String-Einlesefunktion
gelesenen Teilstrings. Bei einer Überschreitung ist mit "FALSCHE EINGABE", gefolgt von einem Zeilenvorschub zu reagieren.
Jedenfalls sind die Eingabedaten bis zum Ende des Datensatzes einzulesen.
======> BEISPIELE <======
Eingabedaten:
<HTML> <HEAD> <TITLE> Hallo </TITLE> </HEAD> <BODY> <BR> <h2> Dies ist ein Interpreter </h2> <BR> <h4> kleiner </h4>
</BODY> </HTML>
<HTML> <HEAD> <TITLE> Hallo </TITLE> </HEAD> <BODY> <TABLE> <TBODY> <TR> <TD> <h5> Tabelle </h5> </TD> </TR> </TBODY>
</TABLE> </BODY> </HTML>
--------------------------------------
Ausgabedaten:
Titel Hallo;
Text_sehr_gross Dies ist ein Interpreter;
Text_mittel kleiner; Ende
Titel Hallo; Tabelle 1 1 Text_normal Tabelle; Ende
========================================================================================================
=======================================> WAS MACHT DAS PROGRAMM <=======================================
========================================================================================================
Am Anfang liest das Programm die Daten ein (Type: String). Es werden nur Tags oder Text eigelesen.
Maximale Laenge der Stringfolge betraegt 300 (anderfalls wirft das Programm eine Exception).
Es wird ein neuer StringBuffer erzeugt. Dann wird der Index des ersten vorkommenden ">" Zeichens gesucht
(der Index = die variable ind). Dannach prueft es, ob an der 0-ten stelle das Zeichen "<" liegt, falls das
auch der Fall ist, wird ueberprueft, ob der erste Tag ein <HTML> tag ist.
Sollte bis jetzt iegerndeins der Faelle nicht zutreffen wird eine Exception geworfen (kann man aber leicht
im Quellcode sehen).
Dann wird geprueft, ob der letzte Tag ein geschlossener </HTML> Tag ist, falls dieser Fall eintrifft, ersetzt
das Programm den ersten offenen und den ihm entsprechenden geschlossenen Tag durch einen lehren String => ""
Und der Process beginnt erneut nach den Tags zu suchen und sie entsprechend zu ersetzen.
In der Zwischenzeit, werden die regeln (die in der Specifikation angegeben sind) ueberprueft und entsprechend
behandelt.
Das war kurzgefasst, was das Programm ueberhaupt macht. Mit dieser beschreibung sollte Jeder in der Lage sein
sich ein Bild machen zu koennen, wass das Programm macht. Alles andere kann man im QuellCode sehr leicht
erkennen!
Am Ende wuensche ich noch viel Spass mit dem Programmieren, haut rein :p
Sollte irgendwas unklar sein, meine E-mail adresse lautet: e0325454@student.tuwien.ac.at