MfG

MfG

MfG

ein HTML-Parser geht wahrscheinlich noh mit regulären Ausdrückenr

Ganz sicher nicht.

g00k schrieb:

ein HTML-Parser geht wahrscheinlich noh mit regulären Ausdrückenr

Ganz sicher nicht.

Ganz sicher wohl.

Apollon schrieb:

g00k schrieb:

ein HTML-Parser geht wahrscheinlich noh mit regulären Ausdrückenr

Ganz sicher nicht.

Ganz sicher wohl.

So so. Dann gib uns doch bitte einen DFA/NFA oder einen regulaeren Ausdruck an, der wenigstens einen Teil von HTML - die Tabellen (also <table>, </table>, <tr>, </tr>, <td>, /td>) - korrekt erkennt.

# HTML-Code ist beispielsweise für einen Computer zunächst einmal nichts anderes als ein Text, also eine Aneinanderreihung von Buchstaben und Zeichen. Der in einem Webbrowser enthaltene Parser analysiert das HTML und erstellt daraus eine Beschreibung der Webseite als Datenstruktur, welche die Grafik-Maschine des Browsers anschließend graphisch auf den Bildschirm überträgt.

Zur Analyse des Texts verwenden Parser in der Regel einen separaten lexikalischen Scanner (auch Lexer genannt). Dieser zerlegt die (als simple Aneinanderreihung von Zeichen vorliegenden) Eingabedaten in Token (Eingabesymbole bzw. „Wörter“, die der Parser versteht); weil die Zerlegung in Tokens einer regulären Grammatik folgt, ist der Scanner meist ein endlicher Automat. Diese Token dienen als atomare Eingabezeichen des Parsers.

Der eigentliche Parser als Implementierung eines abstrakten Automaten (meist realisiert als Kellerautomat) kümmert sich dagegen um die Grammatik der Eingabe, führt eine syntaktische Überprüfung der Eingangsdaten durch und erstellt in der Regel aus den Daten einen Ableitungsbaum (in Anlehnung an das Englische gelegentlich auch als Parse-Baum bezeichnet). Dieser wird danach zur Weiterverarbeitung der Daten verwendet; typische Anwendungen sind die semantische Analyse, Codegenerierung in einem Compiler oder Ausführung durch einen Interpreter.

Im obigen HTML-Beispiel würde ein lexikalischer Scanner die HTML-Datei in HTML-Tags und Fließtext zerlegen und diese Bestandteile an den Parser weiterreichen – d. h. den Scanner „interessiert“ nur das Aussehen der Syntaxelemente („wenn es in spitzen Klammern steht, ist es ein HTML-Tag“). Der Parser dagegen verarbeitet die syntaktischen Zusammenhänge, d. h. untersucht, welche Paare von Tags zusammen gehören bzw. wie die Tags ineinander verschachtelt sind; die inhaltliche Bedeutung der Tags interessiert den Parser dagegen nicht, sondern wird erst von der darauf folgenden Weiterverarbeitung berücksichtigt.

Anschaulich dargestellt ist ein Parser diejenige Software, welche die Anweisungen im Quelltext des Anwenders überprüft, weiterverarbeitet und weiterleitet.

Mit sommerlichen Grüßen aus meinem Zimmer
Hochachtungsvoll euer
sumpfmonster

Hallo,
ich hab da mal 'ne Frage:
Wie programmiert man 'nen HTML-Parser oder einen Javascript-Interpreter?
Nur so aus interesse, weil ich mich schon immer frag, wie das geht.

Zum Thema Parserbau kann dir das eBook weiterhelfen:
http://www.cs.vu.nl/~dick/PTAPG.html

Alles was außerhalb der Tags ist

[i]> außerhalb <[/i]

ist automatisch Text pur.

Desweiteren stellt sich die Frage, was du mit deinem Parser bezwecken willst,
z.B. einen DOM-Tree für eine Anzeige programmieren, einen eigenen Browser programmieren, usw.

Desweiteren stellt sich die Frage, was du mit deinem Parser bezwecken willst,
z.B. einen DOM-Tree für eine Anzeige programmieren, einen eigenen Browser programmieren, usw.

Ich zitiere mich selbst:

glan schrieb:

Nur so aus interesse, weil ich mich schon immer frag, wie das geht.

MfG glan

HTML-Quelle initialisieren
Schleife: Tag parsen
HTML-Quelle aufräumen

Also ich hab mir mal einen einfachen HTML-Parser in C geschrieben. Tags gehen mit < an, haben Attribute und deren Werte /> ist ein Endtag. Und die Attributtnamen werden mit den Attributwerten als Stringpaare gespeichert.

HTML-Quelle initialisieren
Schleife: Tag parsen
HTML-Quelle aufräumen

lol, dein posting hatte null aussage