HDU 4868 Information Extraction(2014 多校联合第一场 H)
看到这道题时我的内心是奔溃的，没有了解过HTML，只能靠窝的渣渣英语一点一点翻译啊TT、
Information Extraction
题意：（纯手工翻译，有些用词可能在html中不是一样的，还多包涵）
从HTML文档中提取信息，用一种特殊的格式输出。
HTML文件的定义如下：
HTML:
是一种超文本标记语言。标记语言是由一系列的标记组成的。
标签描述文档内容。HTML文件由标签和文本组成。
标签：
HTML使用标签来实现他的语法。
标签由特殊的字符（如： ‘<’, ‘>’ and ‘/’）组成。
标签通常成对出现，起始标签和结束标签。起始标签以<开头，>结尾。
结束标签以</开头，以>结尾。文件的其他地方不会出现尖括号。
标签名是只含有小写字母的字符串。标签中没有行中断。
除了标签，文件中出现的其他东西都被认为是文本内容。
标签名的长度不超过30.
元素：
元素是起始标签和相对应的终止标签之间的任何内容，包括标签在内。
元素内容是开始标签和结束标签之间的内容。
有些元素没有内容，我们叫它空元素，如 <hr></hr>。
空元素可以被关在一个打开标签内，以/>结尾，而不是>。
所有元素都可以被关闭用关闭标签或者在开始标签里面。
元素可以有属性。
元素可以被嵌套，即一个元素可以包含另一个元素。
<html>元素师其他所有元素的容器，他不包含任何属性。
属性：
属性为元素提供额外信息。
属性总是在开始标签中被规定，在标签名的后面。
标签名和属性由一个空格隔开。
一个元素可以有多个属性。
属性以这样的形式出现：name="value" class="icpc"，等号两边没有空格。
所有的属性名都是小写的。
id属性的值是唯一的，长度小于等于30.
题目中还给了几个例子，我们来看一下：
sample 1：
<html><body> //<html>是总容器，<body>是标签
<h3 id="header" class="style1">this is a test</h3> //<h3 id="header" class="style1">是起始标签，标签名是h3，有两个属性，id和class。“this is a test”是元素。</h3>是结束标签。
<div id="content" class="style2"> //<div> 标签，同上。
this is content<br/>
<pre>var x = 1111; </pre>
</div>
</body></html> //结束标签
由结构到输出格式的映射如下：
id属性的值-输出格式的标签名
输入：
T：代表有几组样例。
每一个样例都在前面规定它的输出格式。
n：有几种html文件
每一种类型的l结构在之前的html文件中
m: 有几种映射从结构到输出结果
m行映射
最后是html测试案例
输出：
每一组样例，第一行输出“Case #x”
如果存在这种结构的html文件，按格式输出，否则，输出“Can't Identify”如果有多种结构，使用最早输入的结构。
下面我们来分析一样题目给出的测试数据：
input：
2 <news> <title>default title</title> <content width="1000px"></content> </news> 1 <html><h3 id="header"></h3> <div id="content"></div></html> 2 header-title content-content <html><h3 id="header" class="style1"> this is a test</h3> <div id="content" class="style2"> this is content<br/> <pre>var x = 1111;</pre> </div> </html> <xxx> <title>default title</title> </xxx> 1 <html><h3 id="header"></h3></html> 1 header-title <html><h3 id="tmp">xxxx</h3></html>
output：
Case #1: <news> <title> this is a test</title> <content width="1000px"> this is content<br/> <pre>var x = 1111;</pre> </content> </news>
Case #2: Can't Identify
输入分析：
蓝色部分规定了输出格式，绿色部分规定了html文件的结构，红色部分为m种映射，紫色部分是需要提取信息的文本。
拿case 1 来看，<html><h3 id="header" class="style1"> this is a test</h3> <div id="content" class="style2"> this is content<br/> <pre>var x = 1111;</pre> </div> </html> 从中我们可以得出的信息为 标签h3,它的属性id的值为header,上述header的映射为title,所以用标签为title 的格式输出“<title> this is a test</title>” 接下来是div标签，它的属性id的值为content,上述content的映射为content，所以用标签为content的格式输出“ <content width="1000px"> this is content<br/> <pre>var x = 1111;</pre> </content>”，在前后分别加上<news></news>;
case 2:找不到属性值为tmp的映射，所以不能定义。
题意，样例都说完了，下面来看看代码吧（不是本人写的）：
#include<iostream>
#include<cstdio>
#include<string.h>
using namespace std;
const int N=;
const int M=;
char html[M][N],stored[M][N],sta1[N][M];
char mapping[M][M][][M];//存储映射情况
int mapNum[M],sta2[N];
void getHtmlFormat(int n)//读取html的格式
{
int j,i=,flag=;
char beginTag[M];//存储开始标签
char tag[M];//存储标签
getchar();
while()
{
html[n][i]=getchar();//读取第n个html
if(html[n][i]=='<')
{
j=;
while(html[n][++i]=getchar())
{
if(html[n][i]=='/')
continue;
if(html[n][i]==' '||html[n][i]=='>')
break;
tag[j++]=html[n][i];
}
tag[j]='\0';
if(flag==)
{
strcpy(beginTag,tag);
flag=;
}
else if(!strcmp(tag,beginTag))//表示读到结束标签，读取结束
{
html[n][++i]='\0';
return;
}
}
i++;
}
}
void getMapping(int n,int m)
{
int i,j;
char mp[];
cin>>mp;
for(i=; mp[i]!='-'; i++)
mapping[n][m][][i]=mp[i];
mapping[n][m][][i]='\0';
for(j=,i++; i<strlen(mp); i++,j++)
mapping[n][m][][j]=mp[i];
mapping[n][m][][j]='\0';
}
void getTag(int n,int i,char tag[])
{
int j=;
while()
{
i++;
if(html[n][i]=='/')
continue;
if(html[n][i]==' '||html[n][i]=='>')
break;
tag[j++]=html[n][i];
}
tag[j]='\0';
}
int getId(int n,int i,char id[])
{
int j;
id[]='\0';
char tmp[M];
while(html[n][i]==' ')
{
j=;
while(html[n][++i]!='=')
tmp[j++]=html[n][i];
tmp[j]='\0';
if(!strcmp(tmp,"id"))
{
i++;
j=;
while(html[n][++i]!='"')
id[j++]=html[n][i];
id[j]='\0';
}
else
{
i++;
while(html[n][++i]!='"');
}
i++;
}
return i;
}
void store(int n,int i,int j,char tag[])
{
stored[j][]='\0';
int k,y=,flag=,len=strlen(tag);
for(i++;; i++)
{
k=;
if(html[n][i]=='<')
for(; k<len; k++)
if(tag[k]!=html[n][i++k])break;
if(k==len)flag++;
k=;
if(html[n][i]=='<'&&html[n][i+]=='/')
for(; k<len; k++)
if(tag[k]!=html[n][i++k])break;
if(k==len)
{
if(!flag)
{
stored[j][y]='\0';
return;
}
else flag--;
}
stored[j][y++]=html[n][i];
}
}
bool isStructure(int n,int m)
{
int i,j,k,ii,flag=,top=-;
char tag[M],id[M],tag2[M],id2[M];
int len1=strlen(html[n]);
for(i=k=; i<len1;)
{
ii=i;
while(html[n][i]==' '||html[n][i]=='\n')
i++;
while(html[m][k]!='<')
k++;
getTag(n,i,tag);//获取标签
getTag(m,k,tag2);
if(strcmp(tag,tag2)||html[n][i+]!=html[m][k+])
{
if(!strcmp(tag,tag2))
sta2[top]++;
if(!flag)
{
return false;
}
while(html[m][k]!='>')
k++;
i=ii;
continue;
}
if(html[n][i+]=='/') //</xx>
{
if(!sta2[top])
{
i+=strlen(tag)+;
flag--;
}
else sta2[top]--;
k+=strlen(tag)+;
}
else //<xx>或者<xx/>
{
i+=strlen(tag)+;
k+=strlen(tag2)+;
if(html[n][i]==' ') //有id
{
if(html[m][k]!=' ')
{
if(!flag)
{
return false;
}
while(html[m][k]!='>')k++;
i=ii;
continue;
}
i=getId(n,i,id);
k=getId(m,k,id2);
if(strcmp(id,id2))
{
if(!flag)
{
return false;
}
while(html[m][k]!='>')k++;
i=ii;
continue;
}
}
for(j=; j<mapNum[n]; j++)
if(!strcmp(id,mapping[n][j][]))
break;
if(html[n][i]=='/') //<xx/>
{
i+=;
k+=;
}
else //<xx>
{
if(j!=mapNum[n]) //需映射的id
{
strcpy(sta1[++top],tag);
flag++;
sta2[top]=;
for(j=; j<mapNum[n]; j++)
if(!strcmp(id,mapping[n][j][]))
store(m,k,j,tag);
}
i++;
k++;
}
}
}
return true;
}
void output(int n)
{
int i,j,k,ii;
char tag[M];
int len1=strlen(html[]);
for(i=; i<len1;)
{
while(i<len1&&html[][i]!='<')
putchar(html[][i++]);
if(i==len1)break;
getTag(,i,tag);
for(j=; j<mapNum[n]; j++)
if(!strcmp(tag,mapping[n][j][]))
break;
if(j==mapNum[n])
{
putchar(html[][i++]);
continue;
}
else
{
int len=strlen(tag);
ii=i;
for(i+=len+;; i++)
{
k=;
if(html[][i]=='<'&&html[][i+]=='/')
for(; k<len; k++)
if(tag[k]!=html[][i++k])
break;
if(k==len)
break;
}
while(html[][ii]!='>')
putchar(html[][ii++]);
putchar(html[][ii++]);
cout<<stored[j];
while(html[][i]!='>')
putchar(html[][i++]);
putchar(html[][i++]);
}
}
}
int main()
{
int T;
scanf("%d",&T);
for(int cases=;cases<=T;cases++)
{
int i,j,n,m;
getHtmlFormat();
scanf("%d",&n);
for(i=; i<=n; i++)
{
getHtmlFormat(i);
scanf("%d",&mapNum[i]);
for(j=; j<mapNum[i]; j++)
getMapping(i,j);
}
getHtmlFormat(n+);// 待处理的html文件
printf("Case #%d:\n",cases);
for(i=; i<=n; i++)
if(isStructure(i,n+))
{
output(i);
break;
}
if(i==n+)
printf("Can't Identify");
putchar('\n');
}
return ;
}
HDU 4868 Information Extraction(2014 多校联合第一场 H)的更多相关文章
- hdu 4869 Turn the pokers （2014多校联合第一场 I）
Turn the pokers Time Limit: 2000/1000 MS (Java/Others) Memory Limit: 32768/32768 K (Java/Others) ...
- hdu 4865 Peter's Hobby（2014 多校联合第一场 E）
Peter's Hobby Time Limit: 2000/1000 MS (Java/Others) Memory Limit: 32768/32768 K (Java/Others) To ...
- HDU 4870 Rating (2014 多校联合第一场 J)(概率)
题意: 一个人有两个TC的账号,一开始两个账号rating都是0,然后每次它会选择里面rating较小的一个账号去打比赛,每次比赛有p的概率+1分,有1-p的概率-2分,当然如果本身是<=2分的 ...
- HDU 4869 Turn the pokers (2014 多校联合第一场 I)
HDOJ--4869--Turn the pokers[组合数学+快速幂] 题意:有m张扑克,开始时全部正面朝下,你可以翻n次牌,每次可以翻xi张,翻拍规则就是正面朝下变背面朝下,反之亦然,问经过n次 ...
- HDU 4865 Peter's Hobby(2014 多校联合第一场 E)(概率dp)
题意:已知昨天天气与今天天气状况的概率关系(wePro),和今天天气状态和叶子湿度的概率关系(lePro)第一天为sunny 概率为 0.63,cloudy 概率 0.17,rainny 概率 0.2 ...
- hdu 5288||2015多校联合第一场1001题
pid=5288">http://acm.hdu.edu.cn/showproblem.php?pid=5288 Problem Description OO has got a ar ...
- HDU 5724 Chess (状态压缩sg函数博弈) 2016杭电多校联合第一场
题目:传送门. 题意:有n行,每行最多20个棋子,对于一个棋子来说,如果他右面没有棋子,可以移动到他右面:如果有棋子,就跳过这些棋子移动到后面的空格,不能移动的人输. 题解:状态压缩博弈,对于一行2^ ...
- HDU 5289 Assignment（多校联合第一场1002）
Assignment Time Limit: 4000/2000 MS (Java/Others) Memory Limit: 65536/65536 K (Java/Others) Total ...
- hdu5294||2015多校联合第一场1007 最短路+最大流
http://acm.hdu.edu.cn/showproblem.php? pid=5294 Problem Description Innocent Wu follows Dumb Zhang i ...
随机推荐
- CGroup 介绍、应用实例及原理描述
CGroup 介绍 CGroup 是 Control Groups 的缩写,是 Linux 内核提供的一种可以限制.记录.隔离进程组 (process groups) 所使用的物力资源 (如 cpu ...
- WinXP系统服务详细列表
windows XP 系统服务“关闭”详细列表,释放N多内存,128也够用了! 在xp系统中,有近90个服务,默认开启了 30多个服务,而事实上我们只需要其中几个就够用了.禁止所有不必要的服务可以为您 ...
- 编译原理Tiny语言的定义
Here is the definition for Tiny language The Tiny lexicon is as follows: Keywords: IF ELSE WRITE R ...
- 用Chart控件绘制动态图表
进行程序设计时,选用一个合适的ActiveX控件,有时可大大减少编程工作量.ActiveX 控件(又称OCX)基于COM技术,作为独立的软件模块,它可以在任何程序设计语言中插入使用.本文仅以VC++为 ...
- android之IntentFilter的用法_Intent.ACTION_TIME_TICK在manifest.xml不起作用
在模仿一个天气预报的widget时候,用到了IntentFilter,感觉在manifest.xml注册的receiver跟用代码写registerReceiver()的效果应该是相同的,于是想证明一 ...
- Storm 配置图文解析
Storm 配置图文解析 參考阅读:http://www.xiaofateng.com/? p=959 ============================== | sample-topology ...
- 为学Linux，我看了这些书
为学Linux,我看了这些书 去年开始,抱着学习的态度开始了我的Linux学习,到现在,差不多一年了,收获很多,不敢说精通Linux,但是,还是对得起"略懂"这两个字的.这一年 ...
- hibernate 一对多映射
package com.entity.onetomany; import java.util.ArrayList; import java.util.List; import javax.persis ...
- Android 程式开发：（廿一）消息传递 —— 21.3 使用Intent发送短信
使用SmsManager类,可以在自己编写的程序内部发送短信,而不需要调用系统的短信应用. 然而,有的时候调用系统内置的短信应用会更加方便. 这时,需要使用一个MIME类型为vnd.android-d ...
- HTTP的请求头标签If-Modified-Since
一直以来没有留意过HTTP请求头的IMS(If-Modified-Since)标签. 最近在分析Squid的access.log日志文件时,发现了一个现象. 就是即使是对同一个文件进行HTTP请求,第 ...