看到这道题时我的内心是奔溃的，没有了解过HTML，只能靠窝的渣渣英语一点一点翻译啊TT、
Information Extraction
题意：（纯手工翻译，有些用词可能在html中不是一样的，还多包涵）
从HTML文档中提取信息，用一种特殊的格式输出。
HTML文件的定义如下：
HTML:
是一种超文本标记语言。标记语言是由一系列的标记组成的。
标签描述文档内容。HTML文件由标签和文本组成。
标签：
HTML使用标签来实现他的语法。
标签由特殊的字符（如： ‘<’, ‘>’ and ‘/’）组成。
标签通常成对出现，起始标签和结束标签。起始标签以<开头，>结尾。
结束标签以</开头，以>结尾。文件的其他地方不会出现尖括号。
标签名是只含有小写字母的字符串。标签中没有行中断。
除了标签，文件中出现的其他东西都被认为是文本内容。
标签名的长度不超过30.
元素：
元素是起始标签和相对应的终止标签之间的任何内容，包括标签在内。
元素内容是开始标签和结束标签之间的内容。
有些元素没有内容，我们叫它空元素，如 <hr></hr>。
空元素可以被关在一个打开标签内，以/>结尾，而不是>。
所有元素都可以被关闭用关闭标签或者在开始标签里面。
元素可以有属性。
元素可以被嵌套，即一个元素可以包含另一个元素。
<html>元素师其他所有元素的容器，他不包含任何属性。
属性：
属性为元素提供额外信息。
属性总是在开始标签中被规定，在标签名的后面。
标签名和属性由一个空格隔开。
一个元素可以有多个属性。
属性以这样的形式出现：name="value" class="icpc"，等号两边没有空格。
所有的属性名都是小写的。
id属性的值是唯一的，长度小于等于30.
题目中还给了几个例子，我们来看一下：
sample 1：
<html><body> //<html>是总容器，<body>是标签
<h3 id="header" class="style1">this is a test</h3> //<h3 id="header" class="style1">是起始标签，标签名是h3，有两个属性，id和class。“this is a test”是元素。</h3>是结束标签。
<div id="content" class="style2"> //<div> 标签，同上。
this is content<br/>
<pre>var x = 1111; </pre>
</div>
</body></html> //结束标签
由结构到输出格式的映射如下：
id属性的值-输出格式的标签名
输入：
T：代表有几组样例。
每一个样例都在前面规定它的输出格式。
n：有几种html文件
每一种类型的l结构在之前的html文件中
m: 有几种映射从结构到输出结果
m行映射
最后是html测试案例
输出：
每一组样例，第一行输出“Case #x”
如果存在这种结构的html文件，按格式输出，否则，输出“Can‘t Identify”如果有多种结构，使用最早输入的结构。
下面我们来分析一样题目给出的测试数据：
input：
2 <news> <title>default title</title> <content width="1000px"></content> </news> 1 <html><h3 id="header"></h3> <div id="content"></div></html> 2 header-title content-content <html><h3 id="header" class="style1"> this is a test</h3> <div id="content" class="style2"> this is content<br/> <pre>var x = 1111;</pre> </div> </html> <xxx> <title>default title</title> </xxx> 1 <html><h3 id="header"></h3></html> 1 header-title <html><h3 id="tmp">xxxx</h3></html>
output：
Case #1: <news> <title> this is a test</title> <content width="1000px"> this is content<br/> <pre>var x = 1111;</pre> </content> </news>
Case #2: Can‘t Identify
输入分析：
蓝色部分规定了输出格式，绿色部分规定了html文件的结构，红色部分为m种映射，紫色部分是需要提取信息的文本。
拿case 1 来看，<html><h3 id="header" class="style1"> this is a test</h3> <div id="content" class="style2"> this is content<br/> <pre>var x = 1111;</pre> </div> </html> 从中我们可以得出的信息为 标签h3,它的属性id的值为header,上述header的映射为title,所以用标签为title 的格式输出“<title> this is a test</title>” 接下来是div标签，它的属性id的值为content,上述content的映射为content，所以用标签为content的格式输出“ <content width="1000px"> this is content<br/> <pre>var x = 1111;</pre> </content>”，在前后分别加上<news></news>;
case 2:找不到属性值为tmp的映射，所以不能定义。
题意，样例都说完了，下面来看看代码吧（不是本人写的）：
1 #include<iostream>
2 #include<cstdio>
3 #include<string.h>
4 using namespace std;
5 const int N=10010;
6 const int M=35;
7 char html[M][N],stored[M][N],sta1[N][M];
8 char mapping[M][M][2][M];//存储映射情况
9 int mapNum[M],sta2[N];
10 void getHtmlFormat(int n)//读取html的格式
11 {
12 int j,i=0,flag=1;
13 char beginTag[M];//存储开始标签
14 char tag[M];//存储标签
15 getchar();
16 while(1)
17 {
18 html[n][i]=getchar();//读取第n个html
19 if(html[n][i]==‘<‘)
20 {
21 j=0;
22 while(html[n][++i]=getchar())
23 {
24 if(html[n][i]==‘/‘)
25 continue;
26 if(html[n][i]==‘ ‘||html[n][i]==‘>‘)
27 break;
28 tag[j++]=html[n][i];
29 }
30 tag[j]=‘\0‘;
31 if(flag==1)
32 {
33 strcpy(beginTag,tag);
34 flag=0;
35 }
36 else if(!strcmp(tag,beginTag))//表示读到结束标签，读取结束
37 {
38 html[n][++i]=‘\0‘;
39 return;
40 }
41 }
42 i++;
43 }
44 }
45 void getMapping(int n,int m)
46 {
47 int i,j;
48 char mp[100];
49 cin>>mp;
50 for(i=0; mp[i]!=‘-‘; i++)
51 mapping[n][m][0][i]=mp[i];
52 mapping[n][m][0][i]=‘\0‘;
53 for(j=0,i++; i<strlen(mp); i++,j++)
54 mapping[n][m][1][j]=mp[i];
55 mapping[n][m][1][j]=‘\0‘;
56 }
57 void getTag(int n,int i,char tag[])
58 {
59 int j=0;
60 while(1)
61 {
62 i++;
63 if(html[n][i]==‘/‘)
64 continue;
65 if(html[n][i]==‘ ‘||html[n][i]==‘>‘)
66 break;
67 tag[j++]=html[n][i];
68 }
69 tag[j]=‘\0‘;
70 }
71 int getId(int n,int i,char id[])
72 {
73 int j;
74 id[0]=‘\0‘;
75 char tmp[M];
76 while(html[n][i]==‘ ‘)
77 {
78 j=0;
79 while(html[n][++i]!=‘=‘)
80 tmp[j++]=html[n][i];
81 tmp[j]=‘\0‘;
82 if(!strcmp(tmp,"id"))
83 {
84 i++;
85 j=0;
86 while(html[n][++i]!=‘"‘)
87 id[j++]=html[n][i];
88 id[j]=‘\0‘;
89 }
90 else
91 {
92 i++;
93 while(html[n][++i]!=‘"‘);
94 }
95 i++;
96 }
97 return i;
98 }
99 void store(int n,int i,int j,char tag[])
100 {
101 stored[j][0]=‘\0‘;
102 int k,y=0,flag=0,len=strlen(tag);
103 for(i++;; i++)
104 {
105 k=0;
106 if(html[n][i]==‘<‘)
107 for(; k<len; k++)
108 if(tag[k]!=html[n][i+1+k])break;
109 if(k==len)flag++;
110 k=0;
111 if(html[n][i]==‘<‘&&html[n][i+1]==‘/‘)
112 for(; k<len; k++)
113 if(tag[k]!=html[n][i+2+k])break;
114 if(k==len)
115 {
116 if(!flag)
117 {
118 stored[j][y]=‘\0‘;
119 return;
120 }
121 else flag--;
122 }
123 stored[j][y++]=html[n][i];
124 }
125 }
126 bool isStructure(int n,int m)
127 {
128 int i,j,k,ii,flag=0,top=-1;
129 char tag[M],id[M],tag2[M],id2[M];
130 int len1=strlen(html[n]);
131 for(i=k=0; i<len1;)
132 {
133 ii=i;
134 while(html[n][i]==‘ ‘||html[n][i]==‘\n‘)
135 i++;
136 while(html[m][k]!=‘<‘)
137 k++;
138 getTag(n,i,tag);//获取标签
139 getTag(m,k,tag2);
140 if(strcmp(tag,tag2)||html[n][i+1]!=html[m][k+1])
141 {
142 if(!strcmp(tag,tag2))
143 sta2[top]++;
144 if(!flag)
145 {
146 return false;
147 }
148 while(html[m][k]!=‘>‘)
149 k++;
150 i=ii;
151 continue;
152 }
153 if(html[n][i+1]==‘/‘) //</xx>
154 {
155 if(!sta2[top])
156 {
157 i+=strlen(tag)+3;
158 flag--;
159 }
160 else sta2[top]--;
161 k+=strlen(tag)+3;
162 }
163 else //<xx>或者<xx/>
164 {
165 i+=strlen(tag)+1;
166 k+=strlen(tag2)+1;
167 if(html[n][i]==‘ ‘) //有id
168 {
169 if(html[m][k]!=‘ ‘)
170 {
171 if(!flag)
172 {
173 return false;
174 }
175 while(html[m][k]!=‘>‘)k++;
176 i=ii;
177 continue;
178 }
179 i=getId(n,i,id);
180 k=getId(m,k,id2);
181 if(strcmp(id,id2))
182 {
183 if(!flag)
184 {
185 return false;
186 }
187 while(html[m][k]!=‘>‘)k++;
188 i=ii;
189 continue;
190 }
191 }
192 for(j=0; j<mapNum[n]; j++)
193 if(!strcmp(id,mapping[n][j][0]))
194 break;
195 if(html[n][i]==‘/‘) //<xx/>
196 {
197 i+=2;
198 k+=2;
199 }
200 else //<xx>
201 {
202 if(j!=mapNum[n]) //需映射的id
203 {
204 strcpy(sta1[++top],tag);
205 flag++;
206 sta2[top]=0;
207 for(j=0; j<mapNum[n]; j++)
208 if(!strcmp(id,mapping[n][j][0]))
209 store(m,k,j,tag);
210 }
211 i++;
212 k++;
213 }
214 }
215 }
216 return true;
217 }
218 void output(int n)
219 {
220 int i,j,k,ii;
221 char tag[M];
222 int len1=strlen(html[0]);
223 for(i=0; i<len1;)
224 {
225 while(i<len1&&html[0][i]!=‘<‘)
226 putchar(html[0][i++]);
227 if(i==len1)break;
228 getTag(0,i,tag);
229 for(j=0; j<mapNum[n]; j++)
230 if(!strcmp(tag,mapping[n][j][1]))
231 break;
232 if(j==mapNum[n])
233 {
234 putchar(html[0][i++]);
235 continue;
236 }
237 else
238 {
239 int len=strlen(tag);
240 ii=i;
241 for(i+=len+1;; i++)
242 {
243 k=0;
244 if(html[0][i]==‘<‘&&html[0][i+1]==‘/‘)
245 for(; k<len; k++)
246 if(tag[k]!=html[0][i+2+k])
247 break;
248 if(k==len)
249 break;
250 }
251 while(html[0][ii]!=‘>‘)
252 putchar(html[0][ii++]);
253 putchar(html[0][ii++]);
254 cout<<stored[j];
255 while(html[0][i]!=‘>‘)
256 putchar(html[0][i++]);
257 putchar(html[0][i++]);
258 }
259 }
260 }
261 int main()
262 {
263 int T;
264 scanf("%d",&T);
265 for(int cases=1;cases<=T;cases++)
266 {
267 int i,j,n,m;
268 getHtmlFormat(0);
269 scanf("%d",&n);
270 for(i=1; i<=n; i++)
271 {
272 getHtmlFormat(i);
273 scanf("%d",&mapNum[i]);
274 for(j=0; j<mapNum[i]; j++)
275 getMapping(i,j);
276 }
277 getHtmlFormat(n+1);// 待处理的html文件
278 printf("Case #%d:\n",cases);
279 for(i=1; i<=n; i++)
280 if(isStructure(i,n+1))
281 {
282 output(i);
283 break;
284 }
285 if(i==n+1)
286 printf("Can‘t Identify");
287 putchar(‘\n‘);
288 }
289 return 0;
290 }