Java 构建HTML表表示的算法_Java_Algorithm_Html Table

Java 构建HTML表表示的算法

java algorithm

Java 构建HTML表表示的算法,java,algorithm,html-table,Java,Algorithm,Html Table,我需要解析一个包含colspan和rowspans的HTML表，并构建它的表示阅读HTML不是问题，我正在使用HTMLCleaner和XQuery与Saxon（Java）结合使用但我正在寻找一个好的算法来构建表，因为我不了解浏览器在“困难”情况下遵循的规则例如，给定下表（其中行跨度错误） i、 e.（e是一个空单元格）必须删除第3行（Firefox只渲染两行），我怎么知道呢我特别感兴趣的是不完整行的元素与以下元素一起完成的情况，例如： <tr><td>1<

我需要解析一个包含colspan和rowspans的HTML表，并构建它的表示

阅读HTML不是问题，我正在使用HTMLCleaner和XQuery与Saxon（Java）结合使用

但我正在寻找一个好的算法来构建表，因为我不了解浏览器在“困难”情况下遵循的规则

例如，给定下表（其中行跨度错误）

i、 e.（e是一个空单元格）

必须删除第3行（Firefox只渲染两行），我怎么知道呢
我特别感兴趣的是不完整行的元素与以下元素一起完成的情况，例如：

<tr><td>1</td><td>2</td><td>3</td></tr> <tr><td>4</td><td>5</td></tr> <tr><td>6</td></tr> rendering: 1 2 3 4 5 6

123 45 6. 渲染：1 2 3 4 5 6
我有一个实际案例：包含两个TR，即使它们是两个不同的TR，也被渲染为一个TR。为什么
这些行是（从第129792行开始）
它们渲染为（在红色矩形内）

如何决定将元素排到前一行？
浏览器对奇怪的代码遵循什么规则？
我使用Java，我也了解javascript和一点PHP，但我主要对下面的算法感兴趣。我想知道是否有什么已经存在，或者听听任何建议
我想要的是能够输出表的文本表示，就像真实浏览器呈现的一样
编辑：
在我阅读了xtratic答案之后，我阅读了，但它似乎没有回答我关于何时必须将元素排到前一行的问题，正如我描述的实际情况（并在本编辑中添加的）。事实上，文档中说“16如果当前单元格是正在处理的tr元素中的最后一个td或th元素子元素，则将ycurrent增加1，中止这组步骤，并返回到上面的算法。”。但是，当最后一个td被发现时，我们并不总是去一条新的线路
我更感兴趣的是何时合并不同的行。当前一行的TDs数量小于已找到的最大值时，我尝试将TDs排在前一行的TDs之后，但它不起作用。
阅读了解有关如何处理HTML表的所有需要知道的内容。（这不容易）
由于您希望解析html表的形式，我建议您完全按照下列出的步骤编写处理器（步骤18进入处理行）。我很确定浏览器也是这样做的。这些步骤是以一种尽可能方便的方式编写的，以便将其翻译成处理器的代码，因此您应该能够按照字面意思进行操作。处理器完成后，您应该有一个单元格表（正如定义的那样），然后您可以对现有的表模型执行任何操作。我不能保证这会很容易，但至少你会有一个循序渐进的指南

要特别清楚：没有“合并行”，但有跨多行的单元格。
将
GENERALI SPA..
放在所有这些行的开头，并将来自以下
元素的数据添加到各自行的下一个可用单元格中

GENERALI SPA…
跨越4行，但它的第一行是隐藏的，因为上面没有其他数据，所以看起来它只覆盖了3行

通用水疗中心#1 通用水疗中心2号 Proprieta' 总计1 总计2
没有格式化或隐藏的表如下所示：

1 2 3 4 +----------------------+---------------------+-------------+--- 1 | ... | (implied) (implied) <-- 0px high (hidden) +- -+---------------------+-------------+--- 2 | "GENERALI SPA #1" | "GENERALI SPA #2" | "Proprieta" | .. +- -+- -+-------------+--- 3 | ... | ... | "Totale #1" | .. +- -+---------------------+-------------+--- 4 | ... | "Totale #2" ... | .. +----------------------+---------------------+-------------+---
由于单元格“2”跨越第一行和第二行，第二行的定义将考虑它。因此，第二行中的第二个TD实际上定义了该行的第三个单元格。从视觉上看，该表可能会呈现给tty设备，如下所示：
请注意，如果省略了定义TD的单元格“6”，则用户代理将添加一个额外的空单元格以完成该行。
这列出了一些可以帮助你清理表格的库，但我不相信这个答案能解决“困难”的问题案例，因为它假设
元素的出现与表中的单元格索引完全对应。
阅读以了解有关如何处理HTML表的所有必要知识。（这不容易）
由于您希望解析html表的形式，我建议您完全按照下列出的步骤编写处理器（步骤18进入处理行）。我很确定浏览器也是这样做的。这些步骤是以一种尽可能方便的方式编写的，以便将其翻译成处理器的代码，因此您应该能够按照字面意思进行操作。处理器完成后，您应该有一个单元格表（正如定义的那样），然后您可以对现有的表模型执行任何操作。我不能保证这会很容易，但至少你会有一个循序渐进的指南

要特别清楚：没有“合并行”，但有跨多行的单元格。
将
GENERALI SPA..
放在所有这些行的开头，并将来自以下
元素的数据添加到各自行的下一个可用单元格中

GENERALI SPA…
跨越4行，但它的第一行是隐藏的，因为上面没有其他数据，所以看起来它只覆盖了3行

通用水疗中心#1 通用水疗中心2号 Proprieta' 总计1 总计2
没有格式化或隐藏的表如下所示：

1 2 3 4 +----------------------+---------------------+-------------+--- 1 | ... | (implied) (implied) <-- 0px high (hidden) +- -+---------------------+-------------+--- 2 | "GENERALI SPA #1" | "GENERALI SPA #2" | "Proprieta" | .. +- -+- -+-------------+--- 3 | ... | ... | "Totale #1" | .. +- -+---------------------+-------------+--- 4 | ... | "Totale #2" ... | .. +----------------------+---------------------+-------------+---
由于单元格“2”跨越第一行和第二行，第二行的定义将考虑它。因此，r中的第二个TD
<tr><td>1</td><td>2</td><td>3</td></tr> <tr><td>4</td><td>5</td></tr> <tr><td>6</td></tr> rendering: 1 2 3 4 5 6

1 2 3 4 +----------------------+---------------------+-------------+--- 1 | ... | (implied) (implied) <-- 0px high (hidden) +- -+---------------------+-------------+--- 2 | "GENERALI SPA #1" | "GENERALI SPA #2" | "Proprieta" | .. +- -+- -+-------------+--- 3 | ... | ... | "Totale #1" | .. +- -+---------------------+-------------+--- 4 | ... | "Totale #2" ... | .. +----------------------+---------------------+-------------+---

<TABLE border="1"> <TR><TD>1 <TD rowspan="2">2 <TD>3 <TR><TD>4 <TD>6 <TR><TD>7 <TD>8 <TD>9 </TABLE>

------------- | 1 | 2 | 3 | ----| |---- | 4 | | 6 | ----|---|---- | 7 | 8 | 9 | -------------