HTML Парсинг

[BaikalLord]

Привет всем!
Очень нужна помощь в решении нижеописанной задачи. За ранее благодарю всех причастных

Условия:
Есть HTML файл со строками в следующих вариантах:
1. <тег параметры><тег2 параметры>Текст</тег></тег2>
2. <тег параметры><тег2 параметры><?тег3?></тег></тег2>
3. <тег параметры><тег2 параметры><тег 3 параметры></тег></тег3></тег2>
4. <тег параметры></тег>
5. <тег параметры><тег2 параметры>Текст</тег2>
1 и 2 - всё ок, 3,4 и 5 - ошибка.

Задача:
Нужно парсить (желательно с большой скоростью) файлы с подобным содержанием в Delphi 7 и отслеживать в них наличие 3го, 4го и 5го типов содержания текста. То есть когда между теми или иными тегами нет текста, либо какой-то тег не закрывается.
При этом допустим случай когда между тегами может отсутствовать текст, но присутствовать одинарный тег формата <?имя тега и параметры?>.

[Arigato]

А по-моему, 1й и 2 тоже не верны. Закрывать теги надо в обратном порядке к открытию (как стек), иначе у нас получается некорректный код с точки зрения XML.
Т.е. с точки зрения XML верен только 4 случай, но Вам он не подходит, т.к. не содержит текста, т.е. все варианты ошибочны.

[ROD]

1-й и 2-й случай не верны, хотя многие браузеры это игнорируют. (в частности ИЕ, хотя он игнорирует впринцыпе все, что только можно).

[BaikalLord]

Ребят вы правы =), но в данном случае задача стоит иначе.
Прошу всё таки помочь создать конкретную функцию по обработке подобных файлов на базе Delphi, ато у мну скоро мозг взорвётся.

[ROD]

Я делфи, конечно, не знаю, но решал бы так:

Если между тегами нет ничего, то гарантированно через символ, после ">" должен идти символ "/", при условии что остальное верно. (думаю, что такую провеку надо делать после проверки на наличие пары у тегов.)

пару можно проверить так, создать большой масив строк, и в каждую строку вписывать встреченный открывающийся тэг.

Далее, если встречается какой-либо тег </ТегNN>
то проверяется масив тегов, на наличие в нем строки "ТегNN"
Если там такой не обнаружено, то ошибка на лицо.
Далее данное слово удаляется из массива тегов. (однако стоит проверять масив с конца, что бы удалять проследний тег, а не первый (если втсречаются два одинаковых открывающихся тега, например в таблице).
Если по окончанию текста (или строки) остаются теги в мпассиве тегов, значит отсуствуют закрывающие теги для данных тегов. (можно выделить отдельный масив для записи информации по тегу , вида "строка, номер тега по порядку", дабы потом можно было найти этот тег.)

P.S.

Как решить на Делфия не знаю, я С++ изучаю, но поидее алгоритм правильный.

[ROD]

Единственное что, по моему HTML допускает записи вида

<тег параметры><тег2 параметры>Текст</тег>
</тег2>

по этому проверка по одной строке не совсе правильной будет. (я имеюю ввиду наличие незакрытых тегов). Так же надо не забывать, что есть непарные теги (например <br> - переход на новую строку)