一种过滤标记语言中非法标签的方法技术

本发明专利技术公开了一种过滤标记语言中非法标签的方法，包括以下步骤：１．从标签构成的输入数据流中记录下：当前正要解析的标签的位置；上一个解析过的标签的位置；所有尚未解析到其结束标签的起始标签；且在解析的过程中，不断更新上述三个记录信息；２．从标签构成的输入数据流读入第一个非注释的、合法的标签，记为ｃｕｒＴａｇ，作为递归函数的输入参数，进行递归解析过程；３．在基于递归的标记语言解析过程中，利用步骤１所记录的信息，采用忽略或虚拟的容错机制，识别并过滤非法标签。本发明专利技术不会因为网页中存在错误标签而中断解析过程，从而提高了浏览器的鲁棒性，也增强了用户的浏览舒适度。

【技术实现步骤摘要】

本专利技术涉及一种过滤标记语言(如HTML，XHTML，WML等)中非法标签的方法，适用于基于嵌入式微浏览器的标记语言的容错解析。
技术介绍
标记语言即标准通用标记语言SGML(Standard Generalized MarkupLanguage)，由1986年发布的信息管理方面的国际标准(ISO8879)定义。SGML的主要目的是定义一种使用标签来表示数据的标记语言的语法。标签由包围在一个小于号(<)和一个大于号(>)之间的文本组成，例如<tag>。起始标签(start tag)表示一个特定区域的开始，例如<start>；结束标签(end tag)定义了一个区域的结束，除了在小于号之后紧跟着一个斜线(/)外，和起始标签基本一样，例如</end>。SGML还定义了标签的属性(attribute)，它们是定义在小于号和大于号之间的值，例如<img src＝＂picture.jpg＂>中，标签img包含名称是src的属性，其值为＂picture.jpg＂。SGML语言由于其规范性、可移植性等特点，非常适用于Web数据描述。故在其基础上衍生出一些著名的固定标签集的网页语言，如WWW的页面规范HTML，WAP2.0的页面规范XHTML，WAP1.2的页面规范WML；以及可扩展的标记语言，如XML。普通浏览器的标记语言的解析，特别是嵌入式微浏览器，一般缺少错误处理机制，当浏览非标准网页时，常因由一个标签的错误而停止整个解析过程，从而给用户造成浏览上的不便。
技术实现思路
本专利技术的目的在于提供一种过滤标记语言中非法标签的方法，以便浏览器正常显示输出，从而提高浏览器，特别是嵌入式微浏览器的鲁棒性。为实现上述目的，本专利技术通过以下的技术措施来实现：一种过滤标记语言中非法标签的方法，包括以下步骤：步骤1，从标签构成的输入数据流中记录下：-->(1)当前正要解析的标签的位置，(2)上一个解析过的标签的位置，(3)所有尚未解析到其结束标签的起始标签；且在解析的过程中，不断更新上述三个记录信息；步骤2，从标签构成的输入数据流读入第一个非注释的、合法的标签，记为curTag，作为递归函数的输入参数，进行递归解析过程；步骤3，在基于递归(或其等价非递归)的标记语言解析过程中，利用步骤1所记录的信息，采用忽略或虚拟的容错机制，识别并过滤非法标签。本专利技术的递归解析过程如下：a)步骤2中读入的第一个非注释的、合法的标签curTag为递归函数的输入参数，b)存储curTag的名称和属性于特定的数据结构，c)从输入数据流读入下一个标签，记为nextTag，若输入数据流已经结束，则nextTag为空，d)若读入的下一个标签nextTag是开始标签，则将nextTag的值赋给curTag，回到(a)开始新一次递归，e)若读入的下一个标签nextTag是curTag的结束标签，则本次递归结束，f)若读入的下一个标签nextTag是标记语言中未定义的标签，则认为解析出错并调用容错机制一，g)若读入的下一个标签nextTag是其它结束标签，或nextTag为空，认为解析出错并调用容错机制二；h)最终的解析结果存储在步骤(b)每次访问的数据结构中。本专利技术步骤(f)所述容错机制一为：忽略标记语言中未定义的标签，跳回步骤(c)，从输入数据流读入下一个标签，记为nextTag。本专利技术步骤(g)所述容错机制二为：(1)若nextTag之前有步骤1记录的开始标签的结束标签，则回退数据流，把步骤1记录的上一个解析过的标签的位置的值赋给步骤1记录的当前正要解析的标签的位置，使得下一次读到的标签值等于当前的nextTag值，本次递归结束；-->(2)若nextTag是之前无开始标签的结束标签，则忽略它，并跳回步骤(c)，从输入数据流读入下一个标签，记为nextTag；(3)若nextTag为空，则本次递归结束。本专利技术递归解析(或其等价非递归)不会因为网页中存在错误标签而中断解析过程，这提高了浏览器从错误中恢复的能力，避免了当浏览非标准网页时，因一个标签的错误而停止整个网页解析，从而提高了浏览器的鲁棒性，也增强了用户的浏览舒适度。附图说明图1是本专利技术的流程框图。具体实施方式为了使本专利技术的目的、技术方案及其优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。实施例1一种过滤标记语言中非法标签的方法，具体包括以下步骤：1、从标签构成的输入数据流中记录下：当前正要解析的标签的位置；上一个解析过的标签的位置；所有尚未解析到其结束标签的起始标签；且在解析的过程中，不断更新上述三个记录信息；2、从标签构成的输入数据流中读入的第一个非注释的、合法的标签curTag为递归函数的输入参数，3、存储curTag的名称和属性于特定的数据结构，4、从输入数据流读入下一个标签，记为nextTag，若输入数据流已经结束，则nextTag为空，5、若读入的下一个标签nextTag是开始标签，则将nextTag的值赋给curTag，回到步骤2开始新一次递归，6、若读入的下一个标签nextTag是curTag的结束标签，则本次递归结束，-->7、若读入的下一个标签nextTag是标记语言中未定义的标签，则认为解析出错并调用容错机制一，忽略标记语言中未定义的标签，跳回步骤4；8、若读入的下一个标签nextTag之前有步骤1记录的开始标签的结束标签，则回退数据流，把步骤1记录的上一个解析过的标签的位置的值赋给步骤1记录的当前正要解析的标签的位置，使得下一次读到的标签值等于当前的nextTag值，本次递归结束；9、若读入的下一个标签nextTag之前无开始标签的结束标签，则忽略它，并跳回步骤4；10、若读入的下一个标签nextTag为空，则本次递归结束。上述最终的解析结果存储在步骤3每次访问的数据结构中。如输入标签流为：<wml>      <p>      <abcdefg>      </p></wml>该wml页面存在语法错误：标签<abcdefg>为wml语言中未定义的标签。使用上述的10个步骤对该页面进行解析。在进行到步骤7时，nextTag为<abcdefg>，是标记语言中未定义的标签，则跳转到步骤4，读入下一个标签</p>。故该错误标签被成功地过滤。实施例2如输入标签流为：<wml>     <p></wml>该wml页面存在语法错误：标签<p>缺少结束标签</p>。使用实施例1中的10个步骤对该页面进行解析。在进行到步骤8时，发现虽然</wml>不是<p>的结束标签，但它是之前出现过的开始标签<wml>的结束标-->签，故回退数据流，使得下一次读到的nextTag仍为</wml>，且本次递归结束。从而在<p>和</wml>之间虚拟地插入了一个</p>，使得解析可以继续成功地进行。实施本文档来自技高网...

【技术保护点】
一种过滤标记语言中非法标签的方法，其特征在于包括以下步骤：　步骤１，从标签构成的输入数据流中记录下：（１）当前正要解析的标签的位置；（２）上一个解析过的标签的位置；（３）所有尚未解析到其结束标签的起始标签；且在解析的过程中，不断更新上述三个记录信息；　步骤２，从标签构成的输入数据流读入第一个非注释的、合法的标签，记为ｃｕｒＴａｇ，作为递归函数的输入参数，进行递归解析过程；　步骤３，在递归（或其等价非递归）的标记语言解析过程中，利用步骤１所记录的信息，采用忽略或虚拟的容错机制，识别并过滤非法标签。

【技术特征摘要】
1、一种过滤标记语言中非法标签的方法，其特征在于包括以下步骤：步骤1，从标签构成的输入数据流中记录下：(1)当前正要解析的标签的位置；(2)上一个解析过的标签的位置；(3)所有尚未解析到其结束标签的起始标签；且在解析的过程中，不断更新上述三个记录信息；步骤2，从标签构成的输入数据流读入第一个非注释的、合法的标签，记为curTag，作为递归函数的输入参数，进行递归解析过程；步骤3，在递归(或其等价非递归)的标记语言解析过程中，利用步骤1所记录的信息，采用忽略或虚拟的容错机制，识别并过滤非法标签。2、根据权利要求1所述的过滤标记语言中非法标签的方法，其特征在于，递归的标记语言解析过程如下：a)步骤2中读入的第一个非注释的、合法的标签curTag为递归函数的输入参数，b)存储curTag的名称和属性于特定的数据结构，c)从输入数据流读入下一个标签，记为nextTag，若输入数据流已经结束，则nextTag为空，d)若读入的下一个标签nextTag是开始标签，则将nextTag的值赋给curTag，回到(a)开始新一次递归，e)若读入的下一个...

【专利技术属性】
技术研发人员：郭华，廖建华，庞恩林，胡胜发，
申请(专利权)人：安凯广州微电子技术有限公司，
类型：发明
国别省市：81[中国|广州]