[HackerRank]標籤內容抽取器(Tag Content Extractor)

題目描述

在如XML或是HTML的標籤語言中，內容被包含在起始的標籤和結束的標籤，像是：

<tag>contents</tag>

結束的標籤必須要和起始的標籤名稱相同，而且開頭必須是「/」。

給定一個標籤語言的文字字串，解析這個文字，將包含在多個標籤裡面的內容抽取出來，但文字需符合以下規則。

起始標籤和結束標籤的名稱必須一致，舉例：

<h1>Hello World</h2>

以上這段HTML程式碼是不正確的，因為它的起始標籤是「h1」，結束標籤卻是用「h2」。

標籤可以是巢狀的，但如果內容是在巢狀標籤之間，則是不正確的，舉例：

<h1><a>contents</a>invalid</h1>

以上這段HTML程式碼的內容「contents」是正確的，但是內容「invalid」是不正確的。

標籤可以包含所有可以印出的字元。

原題網址

輸入格式

第一行輸入為一個整數N，範圍是1到100(包含1和100)，為測試資料的數量。

接下來的N行，每行均為一組測試資料，要輸入標籤語言文字。每行的最大長度為10⁴個字元，整個文字總共的字元數量不會超過10⁶個。字元均為可以被印出的字元。

輸出格式

針對每行測試資料，輸出他們的標籤包含的正確內容。如果有多個內容，換行分隔。

範例輸入

範例輸出

解題概念

使用Pattern和Matcher物件，來找出每個符合格式的標籤區段。

由於起始標籤和結束標籤必須要是相同的標籤名稱，因此先可以寫出如下的Pattern：

"<()></\\1>"

「\1」所指的是第一個group所包含的段落。group就是括號內的內容，一組括號從左至右出現的順序，就是它們的號碼，從1開始。

由於標籤語言的文字都是可以顯示出來的字元，在Java程式語言的正規表示式中，可以使用「\p{Print}」來代表所有可以印出的字元。但是標籤語言已經有使用到「<」和「>」作為識別標籤的字元，因此如果不是要作為識別標籤用途的話，其餘的字元應避免使用「<」和「>」。所以其餘的字元的Pattern可以這樣來表示：

"[\\p{Print}&&[^<>]]"

合併後，我們可以得到最後Pattern的正規表示式：

"<([\\p{Print}&&[^<>]]+)>([\\p{Print}&&[^<>]]+)</\\1>"

使用Pattern的compile方法可以將字串轉成Pattern物件。接著使用Pattern物件的matcher方法並代入要進行處理的文字字串，即可產生出Matcher物件。使用Matcher物件的find方法可以尋找下一個符合Pattern的文字段落。使用Matcher物件的group方法可以取得符合Pattern中指定位置之group的內容，在上面寫出來的正規表示式中，標籤內容的group位置為2。

參考答案

import java.util.Scanner;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Solution {

    public static void main(final String[] args) {
        final Scanner in = new Scanner(System.in);
        int testCases = Integer.parseInt(in.nextLine());
        final Pattern pattern = Pattern.compile("<([\\p{Print}&&[^<>]]+)>([\\p{Print}&&[^<>]]+)</\\1>");
        while (testCases > 0) {
            final String line = in.nextLine();
            final Matcher m = pattern.matcher(line);
            if (m.find()) {
                System.out.println(m.group(2));
                while (m.find()) {
                    System.out.println(m.group(2));
                }
            } else {
                System.out.println("None");
            }
            testCases--;
        }
    }
}