source/mir/util/xml/html/HTMLParser.java

   1 package mir.util.xml.html;
   2
   3 import java.io.*;
   4 import java.util.*;
   5
   6 /**
   7  *
   8  * TODO
   9  *   [x] selfclosing <br/> tags
  10  *   [ ] de-html-escaping of cdata, parameter values etc
  11  *   [ ] Smarter corrections
  12  *       [ ]
  13  *   [ ] case sensitivity optional
  14  */
  15
  16 public class HTMLParser {
  17   private HTMLSchemaInformation schemaInformation;
  18
  19   public HTMLParser() {
  20     schemaInformation = new HTMLSchemaInformation();
  21   }
  22
  23   public void parse(Reader aReader, ParserReceiver aReceiver) throws HTMLParserExc, HTMLParserFailure, IOException {
  24     HTMLScanner scanner;
  25     CoreParser parser;
  26     parser = new CoreParser(aReceiver);
  27     scanner = new HTMLScanner(parser, aReader);
  28     scanner.run();
  29   }
  30
  31   private class CoreParser implements HTMLScanner.ScannerReceiver {
  32     private ParserReceiver receiver;
  33     private Stack tagStack;
  34
  35     public CoreParser(ParserReceiver aReceiver) {
  36       receiver = aReceiver;
  37       tagStack = new Stack();
  38     }
  39
  40     public void handleDTD(String aDTD) throws HTMLParserExc  {
  41       receiver.dtd(aDTD);
  42     }
  43
  44     public void handleOpenTag(String aTag, Map anAttributes) throws HTMLParserExc  {
  45       String lowercaseTag = aTag.toLowerCase();
  46
  47       HTMLSchemaInformation.HTMLTagInformation tagInformation =
  48           schemaInformation.lookupTag(lowercaseTag);
  49
  50       Map attributes = new HashMap();
  51
  52       Iterator i = anAttributes.entrySet().iterator();
  53       while (i.hasNext()) {
  54         Map.Entry entry = (Map.Entry) i.next();
  55
  56         attributes.put(((String) entry.getKey()).toLowerCase(), entry.getValue());
  57       }
  58
  59       if (tagInformation!=null) {
  60         if (tagInformation.getIsBlock()) {
  61           closeAllInlineTags();
  62         }
  63
  64         closeAllAutoclosingTags(tagInformation);
  65
  66         receiver.openTag(lowercaseTag, attributes);
  67         if (tagInformation.getHasBody()) {
  68           tagStack.push(lowercaseTag);
  69         }
  70         else {
  71           receiver.closeTag(lowercaseTag);
  72         }
  73       }
  74       else {
  75         receiver.openTag(lowercaseTag, attributes);
  76         tagStack.push(lowercaseTag);
  77       }
  78     }
  79
  80     public void handleClosingTag(String aTag) throws HTMLParserExc {
  81       String lowercaseTag = aTag.toLowerCase();
  82
  83       HTMLSchemaInformation.HTMLTagInformation tagInformation =
  84           schemaInformation.lookupTag(lowercaseTag);
  85
  86       if (tagInformation!=null) {
  87         if (tagInformation.getIsBlock()) {
  88           closeAllInlineTags();
  89         }
  90       }
  91
  92       int index = tagStack.search(lowercaseTag);
  93
  94       if (index>-1 && index<4) {
  95         for (int i=0; i<index; i++) {
  96           closeUpmostTag();
  97         }
  98       }
  99     }
 100
 101     public void handleCData(String aData)  throws HTMLParserExc {
 102       receiver.cdata(aData);
 103     }
 104
 105     public void handleComment(String aTag) throws HTMLParserExc  {
 106       receiver.comment(aTag);
 107     }
 108
 109     public void handleEndOfStream() throws HTMLParserExc {
 110       while (!tagStack.empty())
 111         closeUpmostTag();
 112     }
 113
 114     private void closeAllAutoclosingTags(HTMLSchemaInformation.HTMLTagInformation aTagInformation) throws HTMLParserExc {
 115       while (!tagStack.empty()) {
 116         String tag = (String) tagStack.peek();
 117
 118         if (aTagInformation.autoClose(tag)) {
 119           closeUpmostTag();
 120         }
 121         else {
 122           break;
 123         }
 124       }
 125     }
 126
 127     private void closeAllInlineTags() throws HTMLParserExc {
 128       while (!tagStack.empty()) {
 129         HTMLSchemaInformation.HTMLTagInformation tagInformation =
 130             schemaInformation.lookupTag((String) tagStack.peek());
 131
 132         if (tagInformation!=null && !tagInformation.getIsBlock()) {
 133           closeUpmostTag();
 134         }
 135         else {
 136           break;
 137         }
 138       }
 139     }
 140
 141     private void closeUpmostTag() throws HTMLParserExc {
 142       receiver.closeTag((String) tagStack.peek());
 143       tagStack.pop();
 144     }
 145   }
 146
 147   public interface ParserReceiver {
 148     public void dtd(String aDTD) throws HTMLParserExc;
 149     public void openTag(String aTag, Map anAttributes) throws HTMLParserExc;
 150     public void closeTag(String aTag) throws HTMLParserExc;
 151     public void comment(String aData) throws HTMLParserExc;
 152     public void cdata(String aData) throws HTMLParserExc;
 153   }
 154 }