Parsowanie pliku XML

Witam.
Przedstawię najpierw problem, który muszę rozwiązać. Mam stworzyć program (Turbo Pascal), który będzie wczytywał i zapisywał pliki XML. Do tej pory mam stworzony program, który obsługuje drzewa wielokierunkowe, w których mogę przechowywać tagi oraz wartości a także listę atrybutów. Ale w tej chwili jest to mniej ważne.
Co w tej chwili mam zrobione?
Dla testów stworzyłem plik XML składający się z jednej linijki, w której jest takie "pseudo" XML:

</model> <kolor>Niebieski</kolor> <marka>opel <waga>20000</waga></marka> j<cena>1000</cena> <wlasciciel>nie</wlasciciel>

I w tej chwili programik potrafi odczytać wszystko poza zagnieżdżonymi tagami - i w tym przypadku tag "waga" ląduje wraz z wartością jako wartość marki.

WriteLn('Ladowanie z drzewa');
Assign(Tekst, 'plik.txt');
Reset(Tekst);
ReadLn(Tekst, Ciag);
Close(Tekst);

repeat
  UsunP(Ciag, 1, Pos('<', Ciag) - 1);            {usuniecie wszystkiego do <}
  Start:= Pos('<', Ciag);
  Koniec:= Pos('>', Ciag);

  if Start <> 0 then
  if Koniec <> 0 then
  begin
    if Ciag[Start + 1] = '/' then             {tag zamkniety np. </marka>}
    begin
      for I := Start + 2 to Koniec - 1 do
        Tag := Tag + Ciag[I];

      Temp := '</' + Tag + '>';
      UsunP(Ciag, 1, Pos(Temp, Ciag) + SizeOf(Temp) + 3);
    end
    else
    begin
      for I := Start + 1 to Koniec - 1 do
        Tag := Tag + Ciag[I];

      Start := Pos('</' + Tag + '>', Ciag);

      if Start <> 0 then
        if Koniec <> 0 then
          for I := Koniec + 1 to Start - 1 do
            Wartosc := Wartosc + Ciag[I];

      Temp := '</' + Tag + '>';
      UsunP(Ciag, 1, Pos(Temp, Ciag) + SizeOf(Temp) + 3);
    end;

    WriteLn('tag: ', Tag);
    WriteLn('wartosc: ', Wartosc);
    DodajPotomka(Drzewo, Tag, Wartosc);
  end;

  Wartosc := '';
  Tag := '';
until Pos('<', Ciag) = 0;

Co do czego służy - tag to string, który przechowuje treść tagu, a wartosc - wartość tagu.
Procedura DodajPotomka - do drzewa dodaje "potomka". Jest też druga procedura, która dodaje "rodzeństwo", ale nie zastosowałem jej jeszcze tutaj.
ciag - to string, który przechowuje aktualną linijkę.
Procedura UsunP natomiast usuwa z ciągu określoną ilość znaków. Drugi parametr określa od którego znaku ma usuwać, a trzeci - ilość znaków do usunięcia.
Chcę jakoś rozwiązać problem zagnieżdżonych tagów.

To jest paranoja takie rzeczy w TP robić, Lazarus i FPC jest darmowe i mają moduły do obsługi XML'ów, a jak Ci ktoś zlecił to zrobić w TP to mu powiedz żeby się w łeb [CIACH!] (może nie tak dosadnie)

Ten program mam do wykonania na zajęciach Podstaw Programowania. Wykonywać go będę właśnie wtedy, ale chcę się najpierw do zajęć przygotować.
Wracając do programu, zastanawiałem się nad rekurencją, ale nie wiem czy to najlepszy pomysł. Czy w plikach XML moze być taka sytuacja:

<samochod>
  <niemiecki>
    nieladny 
    <marka>
       jakas tam
    </marka>
  </niemiecki>
</samochod>

Czy należy brać pod uwagę że mogą być "potomkowie" oraz określona, inna wartość?

Mam stworzyć program (Turbo Pascal), który będzie wczytywał i zapisywał pliki XML.
Masakra.

Czy w plikach XML moze być taka sytuacja:
Nie wiem. Jeśli to ma być prawdziwy XML to specyfikacja w łapkę i tego się trzymamy.

Jeśli to jest "zadanie na zaliczenie" to zrób jak ci będzie wygodniej ;-)

Ależ oczywiście że może być taka sytuacja, aczkolwiek pytanie czy ty przewidujesz taką sytuację w strukturze XML'a

W ogóle w zły sposób do tego podchodzisz; tutaj lepszym wyjściem byłoby napisanie tokenizera i operowanie na tokenach, znacznie łatwiej.

Gazunio napisał(a):

Ten program mam do wykonania na zajęciach Podstaw Programowania. Wykonywać go będę właśnie wtedy, ale chcę się najpierw do zajęć przygotować.
Wracając do programu, zastanawiałem się nad rekurencją, ale nie wiem czy to najlepszy pomysł. Czy w plikach XML moze być taka sytuacja:

<samochod>
  <niemiecki>
    nieladny 
    <marka>
       jakas tam
    </marka>
  </niemiecki>
</samochod>

Czy należy brać pod uwagę że mogą być "potomkowie" oraz określona, inna wartość?

Jest możliwe.
Musisz określić jaki podzbiór XML-a chcesz implementować i się tego trzymać.
Napisz sobie najbardziej rozbudowany przykład i go testuj.
Na całą specyfikację raczej bym się nie porywał.

Moja propozycja podzbioru:

<?xml version="1.0" encoding="UTF-8"?>
<!-- Test 1 -->
<samochod model="A102" rok-produkcji="1992">
  <karoseria>
    nieładny 
    <szyberdach przezroczysty="tak">
       jest
    </szyberdach>
    ale szybki
  </karoseria>
  <podwozie>
     <kola>4</kola>
  </podwozie>
</samochod>

Chwilę poszukałem na temat tokenów w Pascalu. Czy działają one w Turbo Pascalu?
To nie jest coś co działa albo nie działa w danym języku, tylko pewien rodzaj algorytmu. "token" to "znak", albo "słowo", np. nawias, nazwa, liczba...

1. czytasz kolejno znaki (char). Na początku spodziewasz się <.
2. po nawiasie < musi nastąpić nazwa taga: dowolny ciąg liter, oprócz >.
3. natrafiłeś na >, więc wszystko między nawiasami jest nazwą taga.
4. itd, w pętli, wszystkie możliwości...

Zmieniłem trochę zasadę i jest już trochę lepiej.

procedure analizuj(var ciag: string);
var
  i: byte;
  openT: boolean;
  openW: boolean;
  nizej:boolean;
  tagT,wartoscT: string;

begin
  i:=1;
  repeat
    if (ciag[i] = '<') and (ciag[i+1] <> '/') then
      openT:=true;
    if (openT = true) and (ciag[i] <> '>') and (ciag[i] <> '<') then
      tag:=tag+ciag[i];
    if (ciag[i] = '>') and (openT = true) then
    begin
      writeln('tag: ',tag);
      tagT:=tag;
      tag:='';
      openT:=false;
      openW:=true;
    end;
    if (openW = true) and (ciag[i] <> '<') and (ciag[i] <> '>') then
      wartosc:=wartosc+ciag[i];
    if (ciag[i] = '<') and (openW = true) then
    begin
      writeln('wartosc: ',wartosc);
      wartoscT:=wartosc;
      wartosc:='';
      openW:=false;
    end;
    if (wartoscT <> '') and (tagT <> '') then
    begin
      DodajPotomka(korzen, tagT, wartoscT);
      wartoscT:='';
      tagT:='';
    end;
    inc(i);
  until length(ciag) = i;
  readln;

end;  

W tym momencie zagnieżdzone tagi również są prawidłowo dodawane. Program nie obsługuje w tej chwili komentarzy i atrybutów, ale od czegoś chciałem zacząć.

Jakoś chcę rozwiązać problem "hierarchii" - gdzie elementy są zagnieżdzone, alementy trafiały "poniżej" elementu w którym się znajdują.

Korzystając z wolnej chwili napisałem to tak, jak wg.mnie powinno wyglądać:
http://pastebin.com/B1TsAjvq
Obsługuje same podstawy (+nie patrzałem zbytnio do specyfikacji), czyli właściwie tyle co nic, lecz dodanie obsługi np.komentarzy czy atrybutów nie powinno być trudne (dodałbym sam, ale aktualnie jestem pochłonięty innym projektem ;P).

#Edit: aha, pisane pod FPC, nie TP, lecz jeżelibyś napisał własny odpowiednik TFPGList (listy generycznej) w TP i pozamieniał for..in na tradycyjne for, pewnie by poszło. Kod dodaję głównie tak poglądowo.

Nie ma jak zlecić napisanie parsera na Podstawach Programowania. Pytanie co prowadzący przewiduje na poziomie zaawansowanym ? "Napisz aplikację, obsługującą Czerwony Guzik Zagłady Totalnej" ?

Patryk27 napisał(a):

Korzystając z wolnej chwili napisałem to tak, jak wg.mnie powinno wyglądać:
http://pastebin.com/B1TsAjvq

Ten fragment będzie mało wydajny:

 For I := 0 To Lines.Count-1 Do // przerabiamy TStringList na String, dodając co każdą linię znak `TokenNewline` (jest to ZNACZNIE wydajniejsze od operaowania na `TStringList.Lines` czy `TStringList.Text`)
  Text += Lines[I]+TokenNewline;

Lepiej użyć:
TStringBuilder

http://www.monien.net/delphi-2009-tstringbuilder/