Question

我需要解析并验证格式有点棘手的文件。

基本上文件的格式为：

   \n -- just to make clear it may have empty lines
   CLIENT_ID
   A_NUMERIC_VALUE
   ONE_LINE_OF_SOME_RANDOM_COMMENT_ABOUT_THE_CLIENT
   ANOTHER_LINE_OF_SOME_RADOM_COMMENT_ABOUT_THE_CLIENT
   \n
   \n
   CLIENT_ID_2
   A_NUMERIC_VALUE_2
   ONE_LINE_OF_SOME_RANDOM_COMMENT_ABOUT_THE_CLIENT_2
   ANOTHER_LINE_OF_SOME_RADOM_COMMENT_ABOUT_THE_CLIENT_2
   OHH_THIS_ONE_HAS_THREE_LINES_OF_COMMENTS

文件很少很大（10 mb可能是我见过的最大文件 - 通常它们大约有900kb-1mb）。

所以我有两个问题：

1）如何有效验证文件的格式？使用正则表达式+扫描仪？（如果我可以将每个客户端条目转换为只有一个字符串，我认为这个是一个非常可行的选项 - 所以我可以在它上面应用正则表达式。）

2）我需要将文件中的每个条目转换为Client对象。我应该在将整个文件转换为Java对象之前验证它吗？或者我应该在将其条目转换为Java对象时验证该文件？（请记住，如果任何客户端条目无效，则处理立即停止并抛出异常 - 因此将丢弃所创建的任何对象。）

我真的很想看到你对问题＃1的建议。问题＃2更像是我对如何处理这种情况的好奇心。如果愿意，请忽略＃2，但请回答＃1 =）

有没有人知道任何框架可以帮助我处理文件？

感谢。

更新

我看到了question，问题与我的问题非常相似，但我不确定正则表达式是否是解决此问题的最佳方法。可能会有相当多的＆＃34; \ n＆＃34;在整个文件中，每个客户端条目的注释数量和可选ID都不同 - 因此正则表达式必须非常复杂。这就是为什么我提到在问题＃1中将每个条目转换为一行的原因，因为这样可以更容易地创建一个正则表达式来验证......然而，这个解决方案对我来说听起来并不优雅:( < / p>

干杯。

Answer 1

如果您发现任何部件无效，您打算使批次失败，请先验证该文件。

有几个优点。一个是验证和处理不需要是同步的。例如，如果您每天处理批次，但在一天中接收文件，则可以在一天内对其进行验证，并在计划处理之前通知纠正问题。另一个是验证文件是否格式正确非常快。

一个简短的perl脚本肯定能完成这项工作。如果我正确理解了模式，则无需转换数据，而且这些都是预读的。

read past any newlines
read and validate a client id
read and validate a numeric value
read and validate one or more comments until a blank line is found
repeat the above four steps until EOF or invalid data detected

使用Java验证格式棘手文件

1 个答案: