🚀 go-pugleaf

Ben hier mijn eerste lex stapjes aan het zetten, en bij wijze van
oefening probeer ik een lexer te maken voor een .html file zoals
geëxporteerd uit een bookmark list van Netscape 4.77.

Alle tags herkennen enzoverder lukt fijn... doch er is één probleem:
ik slaag er niet in om de gewone tekst uit de beschrijving van een URL
of folder te herkennen als text.

Als ik te 'algemeen' ben in mijn regular expression voor die text, dan
gebeurt het dat er ook html tags als text herkend worden, en als ik te
'streng' ben, dan zou het wel eens kunnen gebeuren dat bepaalde tekst
die echt tekst is niet gematcht wordt.

Ik vermoed dat 'start conditions' mij eventueel zouden kunnen helpen,
doch ik heb nog niet goed uitgedokterd hoe ik ze dan best gebruik...
een 'BEGIN TEXT;' zetten bij de rule voor '<' en dan in de rule voor
TEXT terug 'BEGIN 0' zetten lukt precies ook niet...

%{
#include "bookmarks.h"   
%}
%START TEXT
%%
\<![^>]*\>              {
                        printf("COMMENT = %s\n", yytext);
                        }
\<                      {
                        printf("SMALLER = %s\n", yytext);
                        }
\>                      {
                        printf("BIGGER = %s\n", yytext);
                        BEGIN TEXT;
                        }
=                       {
                        printf("EQUAL = %s\n", yytext);
                        }
\"                      {
                        printf("QUOTE = %s\n", yytext);
                        }
\/                      {
                        printf("SLASH = %s\n", yytext);
                        }
\http:\/\/[^\"]*        {
                        printf("URL = %s\n", yytext);
                        }
[0-9]+                  {
                        printf("NUMBER = %s\n", yytext);
                        }
ADD_DATE                {
                        printf("ADD_DATE = %s\n", yytext);
                        }
LAST_MODIFIED           {
                        printf("LAST_MODIFIED = %s\n", yytext);
                        }
LAST_VISIT              {
                        printf("LAST_VISIT = %s\n", yytext);
                        }
FOLDED                  {
                        printf("FOLDED = %s\n", yytext);
                        }
A                       {
                        printf("A = %s\n", yytext);
                        }
HREF                    {
                        printf("HREF = %s\n", yytext);
                        }
H[0-9]*                 {
                        printf("H = %s\n", yytext);
                        }
TITLE                   {
                        printf("TITLE = %s\n", yytext);
                        }
DD                      {
                        printf("DD = %s\n", yytext);
                        }
DL                      {
                        printf("DL = %s\n", yytext);
                        }
DT                      {
                        printf("DT = %s\n", yytext);
                        }
p                       {
                        printf("p = %s\n", yytext);
                        }
<TEXT>[^\<^\>]*         {
                        printf("TEXT = %s\n", yytext);
                        BEGIN 0;
                        }
.                       ;
%%

int yywrap(void) {
  return 1;
}


Hoe los ik dit best/properst op?

Greetzzz,
mc303

-- 
Ing. Bart Vandewoestyne			 Bart.Vandewoestyne@pandora.be
Hugo Verrieststraat 48			       GSM: +32 (0)478 397 697
B-8550 Zwevegem			 http://users.pandora.be/vandewoestyne
----------------------------------------------------------------------
"Any fool can know, the point is to understand." - Albert Einstein