HDU4782 Beautiful Soup

成都赛里的一道坑爹码力题，突然间脑抽想做一下弥补一下当时的遗憾。当时没做出这道题一是因为当时只剩大概45分钟，对于这样的具有各种条件的题无从下手，二则是因为当时估算着已经有银牌了，所以就不挣扎了。但是像这种题还是一定要敲一下的。

这学期学了编译原理，知道了一些在编译上处理这种题目的一些姿势，例如自动机，parse tree什么的，所以写起来就会更清晰。其实说白了本题的难点在于tokenizer，就是将里面有意义的部分全部弄出来，归结起来可以看成4种，分别是opentag,closetag,blanktag,string，根据有无<>以及/的位置就可以确定下是属于哪一种。然后题目最麻烦的其实就正如它文末的那句，“You quickly realize that your only job is to deal with the white spaces.” 

吃空格可以用下面的一句while解决  while((c=getchar)&&isSpace(c)); 这样就可以得到第一个不是空格的字符，然后就是不停的吃后面的字符，当吃到空格或者是<的时候就表示到了一个分隔符，前面的字符串就可以先弄出来了。注意的是‘<’会作为下一个token的第一个字符，所以要加个save表示是否存起来。

tokenizer的机理大概是这样的。 首先要得到下一个token的第一个字符，如果save==true，表示已经有了，否则利用while((c=getchar)&&isSpace(c))吃出第一个非空字符。根据第一个字符类型判断是string还是tag，如果是tag就不停地吃直到吃到的字符是'>'，如果是string，就不停的吃吃到第一个分隔符。

#pragma warning(disable:4996)
#include <iostream>
#include <cstring>
#include <string>
#include <cstdio>
using namespace std;

#define maxn 1000000
#define INIT 0
#define OPENTAG 1
#define CLOSETAG 2
#define BLANKTAG 3
#define STRING 4
#define END 5

char token[maxn];
int cur;
int tokenType;
int lastType;
int indent;
bool save;
char savechar;

bool isSpace(char c){
	return c == ' ' || c == '	' || c == '\n';
}

bool isdel(char c){
	return c == ' ' || c == '	' || c == '\n' || c == '<';
}

void printSpace()
{
	for (int i = 0; i < indent; i++){
		putchar(' ');
	}
}

void nextToken()
{
	char c; cur = 0;
	if (save){
		c = savechar; token[cur++] = c; save = false;
	}
	else{
		while ((c = getchar()) && isSpace(c));
		token[cur++] = c;
	}
	if (token[0] == '<'){
		while ((c = getchar())&&c!='>'){
			token[cur++] = c;
		}
		token[cur++] = c;
		if (token[cur - 2] == '/') tokenType = BLANKTAG;
		else if (token[1] == '/') tokenType = CLOSETAG;
		else tokenType = OPENTAG;
		token[cur++] = '\0'; return;
	}
	else{
		while ((c = getchar()) && !isdel(c)){
			token[cur++] = c;
		}
		if (c == '<'){
			save = true; savechar = '<';
		}
		token[cur++] = '\0'; tokenType = STRING;
	}
}

int main()
{
	//freopen("in.txt", "r", stdin);
	//freopen("out.txt", "w", stdout);
	int T; cin >> T; int ca = 0; bool endcase = false;
	indent = 0; lastType = INIT; save = false;
	while (1)
	{
		if (!endcase) {
			printf("Case #%d:\n", ++ca); endcase = true;
		}
		nextToken();
		if (tokenType == OPENTAG){
			if (lastType == STRING) puts("");
			printSpace();
			printf("%s\n", token);
			++indent;
		}
		else if (tokenType == CLOSETAG){
			if (lastType == STRING) puts("");
			--indent;
			printSpace();
			printf("%s\n", token);
		}
		else if (tokenType == BLANKTAG){
			if (lastType == STRING) puts("");
			printSpace();
			printf("%s\n", token);
		}
		else{
			if (lastType == STRING) putchar(' ');
			else {
				printSpace();
			}
			printf("%s", token);
		}
		if (strcmp(token, "</html>") == 0){
			endcase = false; lastType = INIT; indent = 0;
			if (ca == T){
				break;
			}
		}
		lastType = tokenType;
	}
	return 0;
}