在文件中搜索令牌並將其後的每個字符複製到一個字符串中，直到找到另一個令牌

Question

我正在編寫一個搜索文件的程序，並且每次遇到'<'字符時，它都會複製它並且每個在字符後面跟着一個字符串，直到達到'>'。到目前爲止，這是我做了什麼：

while(!file.eof()){ 
    char c; 
    string tag; 

    file.get(c); 

    if(c == '<'){ 

     tag_num++; 
     tag += c; 
    }  
} 

如何我現在可以繼續file.get(c)，將每個字符tag直到達到「>」？

我的想法，我似乎無法得到的要努力，是對是否環路將包括另一file.get(c)並且每個字符會被複制到tag內添加while(file.get(c) != '>')循環。

Answer 1

手動解析文件很快變得非常棘手。 你可能想看看recursive descent parser。

這是一種模式，它包含通過使函數以遞歸方式解碼每個元素來實現文件的語法。

讓我們舉一個簡單的例子有一個簡單的XML語法（在BNF form）：

element ::= '<'<tag>'/>'|'<'<tag>'>'<content>'<'<tag>'/>' 
content ::= <element>|<freetext>|<freetext><element> 
freetext ::= [^<>]<freetext> 
tag ::= <alpha>|<alpha><alphanum> 
alpha ::= [a-zA-Z] 
alphanum ::= [a-zA-Z0-9] 

（我覺得[...]語法的正則表達式是不是BNF的一部分，但它更簡單，我不是寫下來的所有字母:-) [^<]表示任何不是<的字符，它們將與XML中標籤的開頭髮生衝突）

該語法描述了一個元素。一個元素由一個自閉標籤（例如：<br/>）或一個開始標籤，後跟一個內容，然後是一個結束標籤組成。 內容可以是一個元素（因此使用前一個元素的遞歸定義），一些自由文本或一些隨後是元素的自由文本。等等......

解析然後可以機械地執行：

Element parse_element(char *c) 
{ 
    Element myElement; // Element contains the result of the parsing 
         // It's a type you have to define ! 
    assert(*c == '<'); // Handle the error in a more clever way :-) 
    c++; 
    Tag myTag = parse_tag(c); 
    if(*c == '/') 
    { 
     // Self-closing tag - add myTag to myElement 
     c++; 
     assert(*c == '>'); // Here again, better error handling 
     c++; 
    } 
    else 
    { 
     // Or a start tag 
     assert(*c == '>'); // Here again, better error handling 
     c++; 
     Content myContent = parse_content(c); 
     // Add myTag with myContent to myElement 
     assert(*c == '/'); // Here again, better error handling 
     c++; 
     assert(*c == '>'); // Here again, better error handling 
     c++; 
    } 
    return myElement; 
} 

我希望這個功能足以讓這個概念的想法。要理解的要點是，你首先需要有一個明確的語法格式來讀取定義的。然後，你可以機械地實現解析器。

請注意，這個例子太簡單了：您至少需要處理實體，屬性等來解析真正的XML。

有一些工具，例如GNU Bison，一旦有了語法，就可以輕鬆編寫代碼。

最後，如註釋中所述，如果您想分析XML文件，則存在一些XML解析器，如libxml。這比實現你自己的解析器要容易得多，而且要完整得多。 XML is a very complex format。