题目
标题和出处
标题:标签验证器
出处:591. 标签验证器
难度
7 级
题目描述
要求
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> \texttt{<TAG\_NAME>TAG\_CONTENT</TAG\_NAME>} <TAG_NAME>TAG_CONTENT</TAG_NAME>。其中, <TAG_NAME> \texttt{<TAG\_NAME>} <TAG_NAME> 是起始标签, </TAG_NAME> \texttt{</TAG\_NAME>} </TAG_NAME> 是结束标签。起始和结束标签中的 TAG_NAME \texttt{TAG\_NAME} TAG_NAME 应当相同。当且仅当 TAG_NAME \texttt{TAG\_NAME} TAG_NAME 和 TAG_CONTENT \texttt{TAG\_CONTENT} TAG_CONTENT 都是合法的,闭合标签才是合法的。
- 合法的 TAG_NAME \texttt{TAG\_NAME} TAG_NAME 仅含有大写字母,长度在范围 [1,9] \texttt{[1,9]} [1,9] 之间。否则,该 TAG_NAME \texttt{TAG\_NAME} TAG_NAME 是不合法的。
- 合法的 TAG_CONTENT \texttt{TAG\_CONTENT} TAG_CONTENT 可以包含其他合法的闭合标签、 cdata \texttt{cdata} cdata 和任意字符(参考规则 1),除了不匹配的 < \texttt{<} <、不匹配的起始和结束标签、不匹配的或带有不合法 TAG_NAME \texttt{TAG\_NAME} TAG_NAME 的闭合标签。否则, TAG_CONTENT \texttt{TAG\_CONTENT} TAG_CONTENT 是不合法的。
- 一个起始标签,如果没有具有相同 TAG_NAME \texttt{TAG\_NAME} 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 < \texttt{<} <,如果你找不到一个后续的 > \texttt{>} > 与之匹配,是不合法的。并且当你找到一个 < \texttt{<} < 或 </ \texttt{</} </ 时,所有直到下一个 > \texttt{>} > 之前的字符,都应当被解析为 TAG_NAME \texttt{TAG\_NAME} TAG_NAME(不一定合法)。
- cdata \texttt{cdata} cdata 有如下格式: <![CDATA[CDATA_CONTENT]]> \texttt{<![CDATA[CDATA\_CONTENT]]>} <![CDATA[CDATA_CONTENT]]>。 CDATA_CONTENT \texttt{CDATA\_CONTENT} CDATA_CONTENT 的范围被定义成 <![CDATA[ \texttt{<![CDATA[} <![CDATA[ 和后续的第一个 ]]> \texttt{]]>} ]]> 之间的字符。
- CDATA_CONTENT \texttt{CDATA\_CONTENT} CDATA_CONTENT 可以包含任意字符。 cdata \texttt{cdata} cdata 的功能是阻止验证器解析 CDATA_CONTENT \texttt{CDATA\_CONTENT} 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。
示例
示例 1:
输入:
code
=
"<DIV>This
is
the
first
line
<![CDATA[<div>]]></DIV>"
\texttt{code = "<DIV>This is the first line <![CDATA[<div>]]></DIV>"}
code = "<DIV>This is the first line <![CDATA[<div>]]></DIV>"
输出:
true
\texttt{true}
true
解释:
代码被包含在了闭合的标签内:
<DIV>
\texttt{<DIV>}
<DIV> 和
</DIV>
\texttt{</DIV>}
</DIV>。
TAG_NAME
\texttt{TAG\_NAME}
TAG_NAME 是合法的,
TAG_CONTENT
\texttt{TAG\_CONTENT}
TAG_CONTENT 包含了一些字符和
cdata
\texttt{cdata}
cdata。
虽然
CDATA_CONTENT
\texttt{CDATA\_CONTENT}
CDATA_CONTENT 含有不匹配的起始标签和不合法的
TAG_NAME
\texttt{TAG\_NAME}
TAG_NAME,它应该被视为普通的文本,而不是标签。
所以
TAG_CONTENT
\texttt{TAG\_CONTENT}
TAG_CONTENT 是合法的,因此代码是合法的。返回
true
\texttt{true}
true。
示例 2:
输入:
code
=
"<DIV>>>
![cdata[]]
<![CDATA[<div>]>]]>]]>>]</DIV>"
\texttt{code = "<DIV>>> ![cdata[]] <![CDATA[<div>]>]]>]]>>]</DIV>"}
code = "<DIV>>> ![cdata[]] <![CDATA[<div>]>]]>]]>>]</DIV>"
输出:
true
\texttt{true}
true
解释:
我们首先将代码分割为:
start_tag|tag_content|end_tag
\texttt{start\_tag|tag\_content|end\_tag}
start_tag|tag_content|end_tag。
start_tag
→
"<DIV>"
\texttt{start\_tag} \rightarrow \texttt{"<DIV>"}
start_tag→"<DIV>"
end_tag
→
"</DIV>"
\texttt{end\_tag} \rightarrow \texttt{"</DIV>"}
end_tag→"</DIV>"
tag_content
\texttt{tag\_content}
tag_content 也可被分割为:
text1|cdata|text2
\texttt{text1|cdata|text2}
text1|cdata|text2。
text1
→
">>
![cdata[]]
"
\texttt{text1} \rightarrow \texttt{">> ![cdata[]] "}
text1→">> ![cdata[]] "
cdata
→
"<![CDATA[<div>]>]]>"
\texttt{cdata} \rightarrow \texttt{"<![CDATA[<div>]>]]>"}
cdata→"<![CDATA[<div>]>]]>",其中
CDATA_CONTENT
\texttt{CDATA\_CONTENT}
CDATA_CONTENT 为
"<div>]>"
\texttt{"<div>]>"}
"<div>]>"
text2
→
"]]>>]"
\texttt{text2} \rightarrow \texttt{"]]>>]"}
text2→"]]>>]"
start_tag
\texttt{start\_tag}
start_tag 不是
"<DIV>>>"
\texttt{"<DIV>>>"}
"<DIV>>>" 的原因参照规则 6。
cdata
\texttt{cdata}
cdata 不是
"<![CDATA[<div>]>]]>]]>"
\texttt{"<![CDATA[<div>]>]]>]]>"}
"<![CDATA[<div>]>]]>]]>" 的原因参照规则 7。
示例 3:
输入:
code
=
"<A>
<B>
</A>
</B>"
\texttt{code = "<A>~~<B>~</A>~~~</B>"}
code = "<A> <B> </A> </B>"
输出:
false
\texttt{false}
false
解释:不合法。如果
"<A>"
\texttt{"<A>"}
"<A>" 是闭合的,那么
"<B>"
\texttt{"<B>"}
"<B>" 一定是不匹配的,反之亦然。
数据范围
- 1 ≤ code.length ≤ 500 \texttt{1} \le \texttt{code.length} \le \texttt{500} 1≤code.length≤500
- 输入的代码由英语字母、数字、 ‘<’ \texttt{`<'} ‘<’、 ‘>’ \texttt{`>'} ‘>’、 ‘/’ \texttt{`/'} ‘/’、 ‘!’ \texttt{`!'} ‘!’、 ‘[’ \texttt{`['} ‘[’、 ‘]’ \texttt{`]'} ‘]’、 ‘.’ \texttt{`.'} ‘.’ 和 ‘ ’ \texttt{` '} ‘ ’ 组成
解法
思路和算法
这道题要求验证给定的表示代码片段的字符串 code \textit{code} code 是否为合法的标签。验证时需要重点关注的是起始标签、结束标签和 cdata \text{cdata} cdata。
由于标签可以嵌套,每个结束标签只能和最后一个出现的未匹配的起始标签匹配,匹配顺序符合栈的「后进先出」的规则,因此可以使用栈验证标签。从左到右遍历代码片段,遇到起始标签则入栈,遇到结束标签则判断是否和栈顶的起始标签匹配,如果匹配则将起始标签出栈,如果不匹配则代码片段不是有效的标签。
由于整个代码片段必须被合法的闭合标签包围,因此代码片段中的任何字符都必须属于闭合标签的一部分。如果存在一个字符在最外层闭合标签以外,则一定不是合法的标签。判断的方法是,如果当下标大于 0 0 0 且小于字符串长度时,栈为空,则说明存在一个字符在最外层闭合标签以外,返回 false \text{false} false。
对于其余情况,只需要判断是否遇到起始标签、结束标签和 cdata \text{cdata} cdata 即可。验证时,首先要检查起始标签、结束标签和 cdata \text{cdata} cdata 是否完整(即能找到开始标志和结束标志),然后验证内容是否合法:
-
对于起始标签,标签名应满足全部是大写字母且长度在 [ 1 , 9 ] [1, 9] [1,9] 范围内;
-
对于结束标签,标签名应和最近一个未匹配的起始标签的标签名相同,此时不需要验证标签名的合法性,因为标签名的合法性在起始标签中已经被验证;
-
对于 cdata \text{cdata} cdata,只需要符合格式即可,不需要验证内容。
具体实现方面,由于 cdata \text{cdata} cdata 的前 9 9 9 个字符确定,结束标签的前 2 2 2 个字符确定,开始标签的前 1 1 1 个标签确定,因此可以依次判断是否遇到 cdata \text{cdata} cdata、结束标签和起始标签。
不同类型的元素的验证方法如下。
-
对于 cdata \text{cdata} cdata 的判断,如果遇到连续的 9 9 9 个字符等于 "<![CDATA[" \texttt{"<![CDATA["} "<![CDATA[",则是 cdata \text{cdata} cdata 的起始位置,在起始位置之后的第一个 "]]>" \texttt{"]]>"} "]]>" 是 cdata \text{cdata} cdata 的结束位置。
- 如果在 "<![CDATA[" \texttt{"<![CDATA["} "<![CDATA[" 之后找不到 "]]>" \texttt{"]]>"} "]]>",则 cdata \text{cdata} cdata 是无效的,返回 false \text{false} false。
- 如果在 "<![CDATA[" \texttt{"<![CDATA["} "<![CDATA[" 之后找到 "]]>" \texttt{"]]>"} "]]>",则从起始位置到结束位置的部分都是 cdata \text{cdata} cdata 的内容,将下标移动到结束位置之后。
-
对于结束标签的判断,如果遇到连续的 2 2 2 个字符等于 "</" \texttt{"</"} "</",则是结束标签的起始位置,在起始位置之后的第一个 ">" \texttt{">"} ">" 是结束标签的结束位置。
- 如果在 "</" \texttt{"</"} "</" 之后找不到 ">" \texttt{">"} ">",则结束标签是无效的,返回 false \text{false} false。
- 如果在 "</" \texttt{"</"} "</" 之后找到 ">" \texttt{">"} ">",则在起始位置和结束位置之间的内容是结束标签的标签名,此时与当前结束标签匹配的起始标签的标签名应该位于栈顶,如果栈为空或者栈顶元素和结束标签的标签名不相等,则匹配失败,返回 false \text{false} false,如果栈顶元素和结束标签的标签名相等,则将栈顶元素出栈,并将下标移动到结束位置之后。
-
对于起始标签的判断,如果遇到字符 "<" \texttt{"<"} "<",则是起始标签的起始位置,在起始位置之后的第一个 ">" \texttt{">"} ">" 是起始标签的结束位置。结束标签的起始位置,在起始位置之后的第一个 ">" \texttt{">"} ">" 是结束标签的结束位置。
- 如果在 "<" \texttt{"<"} "<" 之后找不到 ">" \texttt{">"} ">",则起始标签是无效的,返回 false \text{false} false。
- 如果在 "<" \texttt{"<"} "<" 之后找到 ">" \texttt{">"} ">",则在起始位置和结束位置之间的内容是起始标签的标签名,此时需要判断标签名是否合法,合法的标签名满足长度在范围 [ 1 , 9 ] [1, 9] [1,9] 内且全部是大写字母,如果标签名不合法则返回 false \text{false} false,如果标签名合法则将标签名入栈,并将下标移动到结束位置之后。
除了 cdata \text{cdata} cdata、结束标签和起始标签以外,其余的字符均为某个标签内部的内容,因此不需要验证。
遍历结束时,所有的起始标签都应该被结束标签匹配,此时栈为空。当栈为空时返回 true \text{true} true,否则返回 false \text{false} false。
代码
class Solution {
public boolean isValid(String code) {
final int CDATA_START_LENGTH = 9, CDATA_END_LENGTH = 3, END_TAG_LENGTH = 2;
Deque<String> stack = new ArrayDeque<String>();
int length = code.length();
int index = 0;
while (index < length) {
if (index > 0 && stack.isEmpty()) {
return false;
}
if (index + CDATA_START_LENGTH <= length && code.substring(index, index + CDATA_START_LENGTH).equals("<![CDATA[")) {
index += CDATA_START_LENGTH;
while (index <= length - CDATA_END_LENGTH && !code.substring(index, index + CDATA_END_LENGTH).equals("]]>")) {
index++;
}
if (index > length - CDATA_END_LENGTH) {
return false;
}
index += CDATA_END_LENGTH;
} else if (index + END_TAG_LENGTH <= length && code.substring(index, index + END_TAG_LENGTH).equals("</")) {
index += END_TAG_LENGTH;
int start = index;
while (index < length && code.charAt(index) != '>') {
index++;
}
if (index >= length) {
return false;
}
String tag = code.substring(start, index);
if (stack.isEmpty() || !stack.peek().equals(tag)) {
return false;
}
stack.pop();
index++;
} else if (code.charAt(index) == '<') {
index++;
int start = index;
while (index < length && code.charAt(index) != '>') {
index++;
}
if (index >= length || index == start || index - start > 9) {
return false;
}
for (int i = start; i < index; i++) {
char c = code.charAt(i);
if (c < 'A' || c > 'Z') {
return false;
}
}
String tag = code.substring(start, index);
stack.push(tag);
index++;
} else {
index++;
}
}
return stack.isEmpty();
}
}
复杂度分析
-
时间复杂度: O ( n ) O(n) O(n),其中 n n n 是字符串 code \textit{code} code 的长度。需要遍历字符串数组一次,原始输入中的每个字符的操作时间都是 O ( 1 ) O(1) O(1)。
-
空间复杂度: O ( n ) O(n) O(n),其中 n n n 是字符串 code \textit{code} code 的长度。空间复杂度主要取决于栈空间,栈内元素个数不会超过 n n n。