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）：

  1.  #include<iostream>
  2.  #include<cstdio>
  3.  #include<string.h>
  4.  using namespace std;
  5.  const int N=;
  6.  const int M=;
  7.  char html[M][N],stored[M][N],sta1[N][M];
  8.  char mapping[M][M][][M];//存储映射情况
  9.  int mapNum[M],sta2[N];
  10.  void getHtmlFormat(int n)//读取html的格式
  11.  {
  12.      int j,i=,flag=;
  13.      char beginTag[M];//存储开始标签
  14.      char tag[M];//存储标签
  15.      getchar();
  16.      while()
  17.      {
  18.          html[n][i]=getchar();//读取第n个html
  19.          if(html[n][i]=='<')
  20.          {
  21.              j=;
  22.              while(html[n][++i]=getchar())
  23.              {
  24.                  if(html[n][i]=='/')
  25.                      continue;
  26.                  if(html[n][i]==' '||html[n][i]=='>')
  27.                      break;
  28.                  tag[j++]=html[n][i];
  29.              }
  30.              tag[j]='\0';
  31.              if(flag==)
  32.              {
  33.                  strcpy(beginTag,tag);
  34.                  flag=;
  35.              }
  36.              else if(!strcmp(tag,beginTag))//表示读到结束标签，读取结束
  37.              {
  38.                  html[n][++i]='\0';
  39.                  return;
  40.              }
  41.          }
  42.          i++;
  43.      }
  44.  }
  45.  void getMapping(int n,int m)
  46.  {
  47.      int i,j;
  48.      char mp[];
  49.      cin>>mp;
  50.      for(i=; mp[i]!='-'; i++)
  51.          mapping[n][m][][i]=mp[i];
  52.      mapping[n][m][][i]='\0';
  53.      for(j=,i++; i<strlen(mp); i++,j++)
  54.          mapping[n][m][][j]=mp[i];
  55.      mapping[n][m][][j]='\0';
  56.  }
  57.  void getTag(int n,int i,char tag[])
  58.  {
  59.      int j=;
  60.      while()
  61.      {
  62.          i++;
  63.          if(html[n][i]=='/')
  64.              continue;
  65.          if(html[n][i]==' '||html[n][i]=='>')
  66.              break;
  67.          tag[j++]=html[n][i];
  68.      }
  69.      tag[j]='\0';
  70.  }
  71.  int getId(int n,int i,char id[])
  72.  {
  73.      int j;
  74.      id[]='\0';
  75.      char tmp[M];
  76.      while(html[n][i]==' ')
  77.      {
  78.          j=;
  79.          while(html[n][++i]!='=')
  80.              tmp[j++]=html[n][i];
  81.          tmp[j]='\0';
  82.          if(!strcmp(tmp,"id"))
  83.          {
  84.              i++;
  85.              j=;
  86.              while(html[n][++i]!='"')
  87.                  id[j++]=html[n][i];
  88.              id[j]='\0';
  89.          }
  90.          else
  91.          {
  92.              i++;
  93.              while(html[n][++i]!='"');
  94.          }
  95.          i++;
  96.      }
  97.      return i;
  98.  }
  99.  void store(int n,int i,int j,char tag[])
  100.  {
  101.      stored[j][]='\0';
  102.      int k,y=,flag=,len=strlen(tag);
  103.      for(i++;; i++)
  104.      {
  105.          k=;
  106.          if(html[n][i]=='<')
  107.              for(; k<len; k++)
  108.                  if(tag[k]!=html[n][i++k])break;
  109.          if(k==len)flag++;
  110.          k=;
  111.          if(html[n][i]=='<'&&html[n][i+]=='/')
  112.              for(; k<len; k++)
  113.                  if(tag[k]!=html[n][i++k])break;
  114.          if(k==len)
  115.          {
  116.              if(!flag)
  117.              {
  118.                  stored[j][y]='\0';
  119.                  return;
  120.              }
  121.              else flag--;
  122.          }
  123.          stored[j][y++]=html[n][i];
  124.      }
  125.  }
  126.  bool isStructure(int n,int m)
  127.  {
  128.      int i,j,k,ii,flag=,top=-;
  129.      char tag[M],id[M],tag2[M],id2[M];
  130.      int len1=strlen(html[n]);
  131.      for(i=k=; i<len1;)
  132.      {
  133.          ii=i;
  134.          while(html[n][i]==' '||html[n][i]=='\n')
  135.              i++;
  136.          while(html[m][k]!='<')
  137.              k++;
  138.          getTag(n,i,tag);//获取标签
  139.          getTag(m,k,tag2);
  140.          if(strcmp(tag,tag2)||html[n][i+]!=html[m][k+])
  141.          {
  142.              if(!strcmp(tag,tag2))
  143.                  sta2[top]++;
  144.              if(!flag)
  145.              {
  146.                  return false;
  147.              }
  148.              while(html[m][k]!='>')
  149.                  k++;
  150.              i=ii;
  151.              continue;
  152.          }
  153.          if(html[n][i+]=='/') //</xx>
  154.          {
  155.              if(!sta2[top])
  156.              {
  157.                  i+=strlen(tag)+;
  158.                  flag--;
  159.              }
  160.              else sta2[top]--;
  161.              k+=strlen(tag)+;
  162.          }
  163.          else  //<xx>或者<xx/>
  164.          {
  165.              i+=strlen(tag)+;
  166.              k+=strlen(tag2)+;
  167.              if(html[n][i]==' ') //有id
  168.              {
  169.                  if(html[m][k]!=' ')
  170.                  {
  171.                      if(!flag)
  172.                      {
  173.                          return false;
  174.                      }
  175.                      while(html[m][k]!='>')k++;
  176.                      i=ii;
  177.                      continue;
  178.                  }
  179.                  i=getId(n,i,id);
  180.                  k=getId(m,k,id2);
  181.                  if(strcmp(id,id2))
  182.                  {
  183.                      if(!flag)
  184.                      {
  185.                          return false;
  186.                      }
  187.                      while(html[m][k]!='>')k++;
  188.                      i=ii;
  189.                      continue;
  190.                  }
  191.              }
  192.              for(j=; j<mapNum[n]; j++)
  193.                  if(!strcmp(id,mapping[n][j][]))
  194.                      break;
  195.              if(html[n][i]=='/') //<xx/>
  196.              {
  197.                  i+=;
  198.                  k+=;
  199.              }
  200.              else  //<xx>
  201.              {
  202.                  if(j!=mapNum[n]) //需映射的id
  203.                  {
  204.                      strcpy(sta1[++top],tag);
  205.                      flag++;
  206.                      sta2[top]=;
  207.                      for(j=; j<mapNum[n]; j++)
  208.                          if(!strcmp(id,mapping[n][j][]))
  209.                              store(m,k,j,tag);
  210.                  }
  211.                  i++;
  212.                  k++;
  213.              }
  214.          }
  215.      }
  216.      return true;
  217.  }
  218.  void output(int n)
  219.  {
  220.      int i,j,k,ii;
  221.      char tag[M];
  222.      int len1=strlen(html[]);
  223.      for(i=; i<len1;)
  224.      {
  225.          while(i<len1&&html[][i]!='<')
  226.              putchar(html[][i++]);
  227.          if(i==len1)break;
  228.          getTag(,i,tag);
  229.          for(j=; j<mapNum[n]; j++)
  230.              if(!strcmp(tag,mapping[n][j][]))
  231.                  break;
  232.          if(j==mapNum[n])
  233.          {
  234.              putchar(html[][i++]);
  235.              continue;
  236.          }
  237.          else
  238.          {
  239.              int len=strlen(tag);
  240.              ii=i;
  241.              for(i+=len+;; i++)
  242.              {
  243.                  k=;
  244.                  if(html[][i]=='<'&&html[][i+]=='/')
  245.                      for(; k<len; k++)
  246.                          if(tag[k]!=html[][i++k])
  247.                              break;
  248.                  if(k==len)
  249.                      break;
  250.              }
  251.              while(html[][ii]!='>')
  252.                  putchar(html[][ii++]);
  253.              putchar(html[][ii++]);
  254.              cout<<stored[j];
  255.              while(html[][i]!='>')
  256.                  putchar(html[][i++]);
  257.              putchar(html[][i++]);
  258.          }
  259.      }
  260.  }
  261.  int main()
  262.  {
  263.      int T;
  264.      scanf("%d",&T);
  265.      for(int cases=;cases<=T;cases++)
  266.      {
  267.          int i,j,n,m;
  268.          getHtmlFormat();
  269.          scanf("%d",&n);
  270.          for(i=; i<=n; i++)
  271.          {
  272.              getHtmlFormat(i);
  273.              scanf("%d",&mapNum[i]);
  274.              for(j=; j<mapNum[i]; j++)
  275.                  getMapping(i,j);
  276.          }
  277.          getHtmlFormat(n+);// 待处理的html文件
  278.          printf("Case #%d:\n",cases);
  279.          for(i=; i<=n; i++)
  280.              if(isStructure(i,n+))
  281.              {
  282.                  output(i);
  283.                  break;
  284.              }
  285.          if(i==n+)
  286.              printf("Can't Identify");
  287.          putchar('\n');
  288.      }
  289.      return ;
  290.  }

HDU 4868 Information Extraction(2014 多校联合第一场 H)的更多相关文章

  1. 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) ...

  2. hdu 4865 Peter&#39;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 ...

  3. 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 ...

  4. 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 ...

  5. 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 ...

  6. 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 ...

  7. 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^ ...

  8. 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 ...

  9. 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

  1. java--String方法

    String : 字符串类型 一.构造函数 String(byte[ ] bytes):通过byte数组构造字符串对象. String(char[ ] value):通过char数组构造字符串对象. ...

  2. 转：DNS拾遗

    最近帮朋友注册域名配置主机,碰到一些DNS上的一些概念,惭愧于有一些东西已经忘记是啥意思,于是决定重新学习一下DNS方面的基本概念. 常用概念: TTL: TTL为Time to live的缩写,网络 ...

  3. android getDecorView()的作用

    decorView是window中的最顶层view,可以从window中通过getDecorView获取到decorView.通过decorView获取到程序显示的区域,包括标题栏,但不包括状态栏.间 ...

  4. javascript语言精粹:继承

    继承提供了2个有用的任务: 1.代码重用 2.引入了一套类型系统的规范,因为程序员无需编写显示类型转换的代码,他们的工作量将大大减轻.这是一件很好的事情,应为类型转换会丧失类型系统在安全上的优势. 在 ...

  5. 不老的新丁 Python何以让人着迷

    Python是一门美丽的语言.它简单易学,跨平台,而且运转良好.达成了许多Java一直求索的技术目标.一言以蔽之就是:其他的语言是与时代同 步,而Python则是未雨绸缪,而且计划得颇为出色.当然,这 ...

  6. BNU 26579 Andrew the Ant 【蚂蚁】

    链接: http://www.bnuoj.com/bnuoj/problem_show.php?pid=26579 http://www.bnuoj.com/bnuoj/contest_show.ph ...

  7. 安卓开发-Activity中finish() onDestroy() 和System.exit()的区别

    Activity.finish()Call this when your activity is done and should be closed. 在你的activity动作完成的时候,或者Act ...

  8. sql基础，必须会的————随便整理、杂乱无章

    1.sqlserver2008r2的安装 2.数据库与表的建立.增加.删除.修改. 3,索引的概念,包括聚集与非聚集的区别.全文索引的建立与如何使用全文索引. 4,重新生成索引,重新组织索引. 5,建 ...

  9. ZOJ 3609 求逆元

    Modular Inverse Time Limit: 2 Seconds      Memory Limit: 65536 KB The modular modular multiplicative ...

  10. Mysql事务，并发问题，锁机制-- 幻读、不可重复读（转）

    1.什么是事务 事务是一条或多条数据库操作语句的组合,具备ACID,4个特点. 原子性:要不全部成功,要不全部撤销 隔离性:事务之间相互独立,互不干扰 一致性:数据库正确地改变状态后,数据库的一致性约 ...