Question

这是我的第一个问题。我试图找到一个答案，但老实说，不能确定我应该使用哪些条款，如果之前有人问过，那就很抱歉。

这里有：我在.txt文件中有数千条记录，格式为：

(1, 3, 2, 1, 'John (Finances)'),
(2, 7, 2, 1, 'Mary Jane'),
(3, 7, 3, 2, 'Gerald (Janitor), Broflowski'),

......等等。第一个值是PK，其他3个是外键，第5个是字符串。

我需要在Javascript中将它们解析为JSON（或其他东西），但我遇到了麻烦，因为有些字符串有括号+逗号（在第3条记录上，“Janitor”，例如），所以我不能使用子字符串。 ..也许修剪正确的部分，但我想知道是否有更聪明的方法来解析它。

任何帮助都会非常感激。

谢谢！

Answer 1

你不能（读可能不应该）使用正则表达式。如果括号包含另一对或一个不匹配怎么办？

好消息是你可以轻松地为此构建一个标记器/解析器。我们的想法是跟踪您当前的状态并采取相应的行动。

这是我刚才写的解析器的 sketch ，重点是向您展示一般想法。如果您对此有任何概念性问题，请与我们联系。

它有效 demo here但我请你在理解和修补之前不要在制作中使用它。

如何运作

那么，我们如何构建解析器：

var State = { // remember which state the parser is at.
     BeforeRecord:0, // at the (
     DuringInts:1, // at one of the integers
     DuringString:2, // reading the name string
     AfterRecord:3 // after the )
};

我们需要跟踪输出和当前工作对象，因为我们将一次解析这些对象。

var records = []; // to contain the results
var state = State.BeforeRecord;

现在，我们迭代字符串，继续进行并读取下一个字符

for(var i = 0;i < input.length; i++){
    if(state === State.BeforeRecord){
        // handle logic when in (
    }
    ...
    if(state === State.AfterRecord){
        // handle that state
    }
}

现在，剩下的就是将它消耗到每个州的对象中：

如果它在(我们开始解析并跳过任何空格
阅读所有整数并放弃,
在四个整数之后，读取从'到下一个'的字符串到达结尾
在字符串之后，读到)，存储对象，然后再次开始循环。

实施也不是很困难。

解析器

var State = { // keep track of the state
     BeforeRecord:0,
     DuringInts:1,
     DuringString:2,
     AfterRecord:3
};
var records = []; // to contain the results
var state = State.BeforeRecord;
var input = " (1, 3, 2, 1, 'John (Finances)'), (2, 7, 2, 1, 'Mary Jane'), (3, 7, 3, 2, 'Gerald (Janitor), Broflowski')," // sample input

var workingRecord = {}; // what we're reading into.

for(var i = 0;i < input.length; i++){
    var token = input[i]; // read the current input
    if(state === State.BeforeRecord){ // before reading a record
        if(token === ' ') continue; // ignore whitespaces between records
        if(token === '('){ state = State.DuringInts; continue; }
        throw new Error("Expected ( before new record");
    }
    if(state === State.DuringInts){
        if(token === ' ') continue; // ignore whitespace
        for(var j = 0; j < 4; j++){
            if(token === ' ') {token = input[++i]; j--; continue;} // ignore whitespace 
             var curNum = '';
             while(token != ","){
                  if(!/[0-9]/.test(token)) throw new Error("Expected number, got " + token);
                  curNum += token;
                  token = input[++i]; // get the next token
             }
             workingRecord[j] = Number(curNum); // set the data on the record
             token = input[++i]; // remove the comma
        }
        state = State.DuringString;
        continue; // progress the loop
    }
    if(state === State.DuringString){
         if(token === ' ') continue; // skip whitespace
         if(token === "'"){
             var str = "";
             token = input[++i];
             var lenGuard = 1000;
             while(token !== "'"){
                 str+=token;
                 if(lenGuard-- === 0) throw new Error("Error, string length bounded by 1000");
                 token = input[++i];
             }
             workingRecord.str = str;
             token = input[++i]; // remove )
             state = State.AfterRecord;
             continue;
         }
    }
    if(state === State.AfterRecord){
        if(token === ' ') continue; // ignore whitespace
        if(token === ',') { // got the "," between records
            state = State.BeforeRecord;
            records.push(workingRecord);
            workingRecord = {}; // new record;
            continue;
        }
        throw new Error("Invalid token found " + token);
    }
}
console.log(records); // logs [Object, Object, Object]
                      // each object has four numbers and a string, for example
                      // records[0][0] is 1, records[0][1] is 3 and so on,
                      // records[0].str is "John (Finances)"

Answer 2

我回应Ben's sentiments关于正常表达通常对此不好的事情，并且我完全同意他，令牌化器是最好的工具。

然而，给出一些警告，你可以在这里使用正则表达式。这是因为(，)，,和'中的任何歧义都可归因于（AFAIK）到您的最后一栏;因为所有其他列总是是整数。

所以，给定：

输入完美形成（没有意外的(，)，,或'）。
根据您的修改，每条记录都在新行上
输入中仅的新行将打破下一条记录

...以下内容应该有效（请注意这里的“新行”是\n。如果它们是\r\n，请相应更改）：

var input = /* Your input */;
var output = input.split(/\n/g).map(function (cols) {
    cols = cols.match(/^\((\d+), (\d+), (\d+), (\d+), '(.*)'\)/).slice(1);

    return cols.slice(0, 4).map(Number).concat(cols[4]);
});

代码在新行上分割，然后逐行遍历并使用正则表达式分割成单元格，该表达式尽可能地贪婪地归因于最终单元格。然后它将前4个元素转换为整数，并将第5个元素（字符串）粘贴到末尾。

这为您提供了一系列记录，其中每条记录本身就是一个数组。前4个元素是你的PK（作为整数），你的第5个元素是字符串。

例如，根据您的输入，使用output[0][4]获取"Gerald (Janitor), Broflowski"，使用output[1][0]获取第二条记录的第一个PK 2（不要忘记JavaScript数组是零索引的。）

您可以在此处看到它：http://jsfiddle.net/56ThR/

Answer 3

另一种选择是将其转换为类似于Array和eval的内容。我知道不建议使用eval，但这是一个很酷的解决方案：）

var lines = input.split("\n");
var output = [];

for(var v in lines){

    // Remove opening ( 
    lines[v] = lines[v].slice(1);

    // Remove closing ) and what is after
    lines[v] = lines[v].slice(0, lines[v].lastIndexOf(')'));

    output[v] = eval("[" + lines[v] + "]");       
}

因此，eval parameter看起来像：[1, 3, 2, 1, 'John (Finances)']，它确实是一个数组。

演示：http://jsfiddle.net/56ThR/3/

并且，它也可以写得更短：

var lines = input.split("\n");
var output = lines.map( function(el) { 
    return eval("[" + el.slice(1).slice(0, el.lastIndexOf(')') - 1) + "]");
});

演示：http://jsfiddle.net/56ThR/4/

Answer 4

你可以随时做到＆＃34;手动＆＃34; ：）

var lines = input.split("\n");
var output = [];

for(var v in lines){

    output[v] = [];

    // Remove opening (
    lines[v] = lines[v].slice(1);

    // Get integers
    for(var i = 0; i < 4; ++i){
         var pos = lines[v].indexOf(',');
         output[v][i] = parseInt(lines[v].slice(0, pos));
         lines[v] = lines[v].slice(pos+1);   
    }

    // Get string betwen apostrophes
    lines[v] = lines[v].slice(lines[v].indexOf("'") + 1);
    output[v][4] = lines[v].slice(0, lines[v].indexOf("'"));
}

演示：http://jsfiddle.net/56ThR/2/

Answer 5

这里你所拥有的基本上是你要解析的csv（逗号分隔值）文件。

最简单的方法是使用一个wxternal库来处理你遇到的大多数问题

示例：jquery csv库是一个很好的库。 https://code.google.com/p/jquery-csv/

解析半结构化值

5 个答案:

如何运作

解析器