Question

我问另一个question关于如何修复缺少标签的HTML sting，我得到的答案是使用DOMParser或innerHTML。这两个都像魅力一样，但这让我思考，如何在没有浏览器的帮助下实现这一目标？例如，如果我想在Node中操作这个字符串？

我提到的示例字符串如下：

"This <small>is <i>ONE</small> Messed up string</i>."

我想修复它，看起来像：

"This <small>is <i>ONE</i></small><i> Messed up string</i>."

我的想法是使用子串和连接的组合，并附加一个缺少的结束标记，或者添加一个缺少的开始标记，但它似乎是一个业余的移动。

Answer 1

从头开始执行此操作的最强大的方法（例如，在没有浏览器帮助的情况下）将编写一个解析器，该解析器了解您的“损坏”语法并在解析时输出“正确”语法。您必须决定何时添加缺少的标签。这将适用于几页代码，但想法如下：

首先编写一个可以在“标记”中读取字符串的标记生成器。您可能希望阅读文本片段并将其分类为开始标记，内容或关闭标记。通过在状态机中迭代字符串的每个字符来跟踪上下文，理解转义序列并发出令牌列表，这是最简单的方法。

接下来写另一个读取这些令牌的状态机。

每次遇到开始标记令牌时，都会将令牌的原始值附加到结果字符串，并将当前打开的开始标记（如果有）推送到堆栈
当您到达内容标记时，您只需编写原始标记值
当您到达结束标记时，您将检查是否与当前的开始标记匹配。如果没有，您可以在结果字符串中写一个假的“开始标记”以匹配结束标记，然后是结束标记的原始值。如果它与当前的开始标记匹配，那么您将编写结束标记，并从上述堆栈中弹出最新的开始标记。如果堆栈是空的，你会认为你不再是一个标签了。

完成所有令牌后，如果堆栈不为空，请在堆栈上预先启动标记，将伪造的结束标记写入结果。