Java中如何将HTML标签存入栈？标签计数为0问题求助

尝试读取HTML.txt文件并将其中的HTML标签存入栈中，但开闭标签的计数始终为0，代码可编译运行但逻辑存在问题。

读取的文件第一行内容：

<html lang="en" style="">

当前使用的代码：

public boolean validateTags() throws FileNotFoundException {
        String oneLine = "";
        String tag = "";
        int space, closeTag;
        Scanner file = new Scanner(filename).useDelimiter("<");             //** ATTEMPT 1 **
        space = oneLine.indexOf(' ');
        int openBracket = oneLine.indexOf('<');
        oneLine = file.next();

        while (file.hasNext()) {
            if (oneLine.startsWith("<") && oneLine.endsWith(">") && !oneLine.startsWith("<!")) {
                tag = oneLine.substring(openBracket, space);

                openTags.push(tag);
            }
            if (oneLine.startsWith("<") && oneLine.endsWith("/>")&& !oneLine.startsWith("<!")) {
                tag = oneLine.substring(openBracket,space);


                closeTags.push(tag);
            }
            if (!oneLine.startsWith("<") || !oneLine.endsWith(">")) {
                throw new InvalidHTMLException();
            }
        }
}

补充说明：曾尝试将Scanner改为Scanner file = new Scanner(new File(filename));，但触发了最终if语句中的InvalidHTMLException异常。

问题根源分析 #

1. Scanner分隔符错误：使用<作为分隔符后，file.next()获取的内容是<之后的部分（比如第一行的html lang="en" style="">），导致oneLine.startsWith("<")永远为false，所有标签判断的if条件都不会触发，计数自然为0。
2. 变量初始化时机错误：space和openBracket是在oneLine赋值前计算的，此时oneLine是空字符串，两个变量的值都是-1，即使进入if分支，substring也会抛出异常。
3. 循环未更新oneLine：循环内没有调用file.next()更新oneLine，始终处理第一次获取的内容，无法遍历文件所有内容。
4. 整行标签判断过于严格：原代码要求每行必须是纯标签，否则抛出异常，但HTML文件中标签和文本混合存在，这会导致正常内容触发异常。

修正后的代码示例 #

import java.io.File;
import java.io.FileNotFoundException;
import java.util.Scanner;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public boolean validateTags() throws FileNotFoundException {
    String oneLine;
    String tag;
    Scanner file = new Scanner(new File(filename));

    while (file.hasNextLine()) {
        oneLine = file.nextLine().trim();
        if (oneLine.isEmpty()) continue; // 跳过空行

        // 匹配所有非注释的HTML标签
        Pattern tagPattern = Pattern.compile("<(?!!)[^>]+>");
        Matcher matcher = tagPattern.matcher(oneLine);

        while (matcher.find()) {
            String fullTag = matcher.group();
            // 处理普通开标签（如<html>）
            if (fullTag.startsWith("<") && fullTag.endsWith(">") 
                && !fullTag.startsWith("</") && !fullTag.endsWith("/>")) {
                int endIndex = fullTag.indexOf(' ');
                endIndex = endIndex == -1 ? fullTag.indexOf('>') : endIndex;
                tag = fullTag.substring(1, endIndex);
                openTags.push(tag);
            }
            // 处理闭合标签（如</html>）
            else if (fullTag.startsWith("</") && fullTag.endsWith(">")) {
                tag = fullTag.substring(2, fullTag.indexOf('>'));
                closeTags.push(tag);
            }
            // 处理自闭标签（如<img/>）
            else if (fullTag.endsWith("/>")) {
                int endIndex = fullTag.indexOf(' ');
                endIndex = endIndex == -1 ? fullTag.indexOf('/') : endIndex;
                tag = fullTag.substring(1, endIndex);
                // 自闭标签可根据需求同时存入开闭栈或单独处理
                openTags.push(tag);
                closeTags.push(tag);
            }
        }
    }
    file.close();
    // 可添加标签匹配验证逻辑（如栈的弹出匹配）
    return true;
}

修正要点说明 #

• 移除错误的分隔符设置，改为逐行读取文件，保留标签的<前缀。
• 使用正则表达式精准提取每行中的所有非注释HTML标签，避免整行判断的局限性。
• 分别处理开标签、闭合标签、自闭标签，正确截取标签名。
• 循环内更新oneLine并跳过空行，确保遍历文件所有内容。
• 移除了过于严格的整行标签判断，适配HTML文本与标签混合的结构。

内容的提问来源于stack exchange，提问作者ILoveMusic