给定一个表示代码片段的字符串,你需要实现一个验证器来解析这段代码,并返回它是否合法。合法的代码片段需要遵守以下的所有规则:
- 代码必须被合法的闭合标签包围。否则,代码是无效的。
- 闭合标签(不一定合法)要严格符合格式:
<TAG_NAME>TAG_CONTENT</TAG_NAME>
。其中,<TAG_NAME>
是起始标签,</TAG_NAME>
是结束标签。起始和结束标签中的 TAG_NAME 应当相同。当且仅当 TAG_NAME 和 TAG_CONTENT 都是合法的,闭合标签才是合法的。 - 合法的
TAG_NAME
仅含有大写字母,长度在范围 [1,9] 之间。否则,该TAG_NAME
是不合法的。 - 合法的
TAG_CONTENT
可以包含其他合法的闭合标签,cdata (请参考规则7)和任意字符(注意参考规则1)除了不匹配的<
、不匹配的起始和结束标签、不匹配的或带有不合法 TAG_NAME 的闭合标签。否则,TAG_CONTENT
是不合法的。 - 一个起始标签,如果没有具有相同 TAG_NAME 的结束标签与之匹配,是不合法的。反之亦然。不过,你也需要考虑标签嵌套的问题。
- 一个
<
,如果你找不到一个后续的>
与之匹配,是不合法的。并且当你找到一个<
或</
时,所有直到下一个>
的前的字符,都应当被解析为 TAG_NAME(不一定合法)。 - cdata 有如下格式:
<![CDATA[CDATA_CONTENT]]>
。CDATA_CONTENT
的范围被定义成<![CDATA[
和后续的第一个]]>
之间的字符。 CDATA_CONTENT
可以包含任意字符。cdata 的功能是阻止验证器解析CDATA_CONTENT
,所以即使其中有一些字符可以被解析为标签(无论合法还是不合法),也应该将它们视为常规字符。
合法代码的例子:
输入: "<DIV>This is the first line <![CDATA[<div>]]></DIV>" 输出: True 解释: 代码被包含在了闭合的标签内: <DIV> 和 </DIV> 。 TAG_NAME 是合法的,TAG_CONTENT 包含了一些字符和 cdata 。 即使 CDATA_CONTENT 含有不匹配的起始标签和不合法的 TAG_NAME,它应该被视为普通的文本,而不是标签。 所以 TAG_CONTENT 是合法的,因此代码是合法的。最终返回True。 输入: "<DIV>>> ![cdata[]] <![CDATA[<div>]>]]>]]>>]</DIV>" 输出: True 解释: 我们首先将代码分割为: start_tag|tag_content|end_tag 。 start_tag -> "<DIV>" end_tag -> "</DIV>" tag_content 也可被分割为: text1|cdata|text2 。 text1 -> ">> ![cdata[]] " cdata -> "<![CDATA[<div>]>]]>" ,其中 CDATA_CONTENT 为 "<div>]>" text2 -> "]]>>]" start_tag 不是 "<DIV>>>" 的原因参照规则 6 。 cdata 不是 "<![CDATA[<div>]>]]>]]>" 的原因参照规则 7 。
不合法代码的例子:
输入: "<A> <B> </A> </B>" 输出: False 解释: 不合法。如果 "<A>" 是闭合的,那么 "<B>" 一定是不匹配的,反之亦然。 输入: "<DIV> div tag is not closed <DIV>" 输出: False 输入: "<DIV> unmatched < </DIV>" 输出: False 输入: "<DIV> closed tags with invalid tag name <b>123</b> </DIV>" 输出: False 输入: "<DIV> unmatched tags with invalid tag name </1234567890> and <CDATA[[]]> </DIV>" 输出: False 输入: "<DIV> unmatched start tag <B> and unmatched end tag </C> </DIV>" 输出: False
注意:
- 为简明起见,你可以假设输入的代码(包括提到的任意字符)只包含
数字
, 字母,'<'
,'>'
,'/'
,'!'
,'['
,']'
和' '
。
解法1:栈 + 字符串遍历
本题是一道解析字符串的题目,涉及到标签的闭合。由于标签具有「最先开始的标签最后结束」的特性,因此我们可以考虑使用一个栈存储当前开放的标签。除此之外,我们还需要考虑 cdata 以及一般的字符,二者都可以使用遍历 + 判断的方法直接进行验证。
我们可以对字符串 code 进行一次遍历。在遍历的过程中,根据遍历到位置 i 的当前字符,采取对应的判断:
如果当前的字符为 <,那么需要考虑下面的四种情况:
- 如果下一个字符为 /,那么说明我们遇到了一个结束标签。我们需要定位下一个 > 的位置 j,此时 code[i+2..j−1] 就是该结束标签的名称。我们需要判断该名称与当前栈顶的名称是否匹配,如果匹配,说明名称的标签已经闭合,我们需要将当前栈顶的名称弹出。同时根据规则 1,我们需要保证整个 code 被闭合标签包围,因此如果栈中已经没有标签,但是 j 并不是 code 的末尾,那么说明后续还会有字符,它们不被闭合标签包围。
- 如果下一个字符为 !,那么说明我们遇到了一个 cdata,我们需要继续往后读 7 个字符,判断其是否为 [CDATA[。在这之后,我们定位下一个 ]]> 的位置 j,此时 code[i+9..j−1] 就是 cdata 中的内容,它不需要被解析,所以我们也不必进行任何验证。需要注意的是,根据规则 1,栈中需要存在至少一个开放的标签。
- 如果下一个字符为大写字母,那么说明我们遇到了一个开始标签。我们需要定位下一个 > 的位置 j,此时 code[i+2..j−1] 就是该开始标签的名称。我们需要判断该名称是否恰好由 1 至 9 个大写字母组成,如果是,说明该标签合法,我们需要将该名称放入栈顶。
- 除此之外,如果不存在下一个字符,或者下一个字符不属于上述三种情况,那么 code 是不合法的。
如果当前的字符为其它字符,那么根据规则 1,栈中需要存在至少一个开放的标签。
在遍历完成后,我们还需要保证此时栈中没有任何(还没有结束的)标签。
Java版:
class Solution {
public boolean isValid(String code) {
Deque<String> tags = new ArrayDeque<>();
int n = code.length();
int i = 0;
while (i < n) {
if (code.charAt(i) == '<') {
if (i == n - 1) {
return false;
}
if (code.charAt(i + 1) == '/') {
if (tags.isEmpty()) {
return false;
}
int j = code.indexOf(">", i);
if (j == -1) {
return false;
}
String tagname = code.substring(i + 2, j);
if (!tags.peek().equals(tagname)) {
return false;
}
tags.pop();
i = j + 1;
if (i != n && tags.isEmpty()) {
return false;
}
} else if (code.charAt(i + 1) == '!') {
if (tags.isEmpty()) {
return false;
}
if (i + 9 > n - 3) {
return false;
}
String cdata = code.substring(i + 2, i + 9);
if (!cdata.equals("[CDATA[")) {
return false;
}
int j = code.indexOf("]]>", i + 9);
if (j == -1) {
return false;
}
i = j + 3;
} else {
int j = code.indexOf(">", i);
if (j == -1) {
return false;
}
String tagname = code.substring(i + 1, j);
if (tagname.length() < 1 || tagname.length() > 9) {
return false;
}
for (int k = 0; k < tagname.length(); k++) {
if (!Character.isUpperCase(tagname.charAt(k))) {
return false;
}
}
tags.push(tagname);
i = j + 1;
}
} else {
if (tags.isEmpty()) {
return false;
}
i++;
}
}
return tags.isEmpty();
}
}
Python3版:
class Solution:
def isValid(self, code: str) -> bool:
tags = list()
n = len(code)
i = 0
while i < n:
if code[i] == '<':
if i == n - 1:
return False
if code[i + 1] == '/':
if not tags:
return False
j = code.find(">", i)
if j == -1:
return False
tagname = code[i + 2 : j]
if tags[-1] != tagname:
return False
tags.pop()
i = j + 1
if i != n and not tags:
return False
elif code[i + 1] == '!':
if not tags:
return False
if i + 9 > n - 3:
return False
cdata = code[i + 2 : i + 9]
if cdata != '[CDATA[':
return False
j = code.find("]]>", i + 9)
if j == -1:
return False
i = j + 3
else:
j = code.find(">", i)
if j == -1:
return False
tagname = code[i + 1 : j]
if not 1 <= len(tagname) <= 9 or not all(ch.isupper() for ch in tagname):
return False
tags.append(tagname)
i = j + 1
else:
if not tags:
return False
i += 1
return not tags
复杂度分析
- 时间复杂度:O(n),其中 n 是字符串 code 的长度。我们只需要对 code 进行一次遍历。
- 空间复杂度:O(n),即为栈存储标签名称需要使用的空间。