分隔字符串的最佳ASCII字符是什么？

Question

我在一个系统上工作，客户可以向我发送编码为utf-8的unicode字符串。在某些时候，我打包/序列化（C ++）其数据使用一种逗号分隔列表，如：

fieldName:value,other fieldname:value, etc....

该字符串是一个进程，如果被python脚本捕获以提取字典：

 {"fieldName":"value", etc..... }

要提取我使用简单的正则表达式re.compile(ur"(.*?):(.*?)(?:,|$)", re.UNICODE)。 但我知道用户可以在他们发送的字符串中使用,和:，所以我正在搜索我可以在C ++级别使用的最佳ASCII代码来替换我现在使用的逗号？

\xF8（248）是不错的选择，如果它必须是用户无法用键盘进入的东西！ 任何帮助＆amp;建议是值得欢迎的。

Answer 1

我会使用其中一个ASCII field separator control codes;它们的优点是它们具有标准化的含义：

^\  28  1C  FS  ␜   File Separator
^]  29  1D  GS  ␝   Group separator 
^^  30  1E  RS  ␞   Record Separator    
^_  31  1F  US  ␟   Unit separator  

  

可用作分隔符来标记数据结构的字段。如果用于层级，US是最低级别（划分纯文本数据项），而RS，GS和FS的级别越来越高，以划分由其下级别项组成的组。

或者使用JSON或XML等真实格式。

Answer 2

使用JSON而不是内部格式。

理由：

1. 无论如何看起来像JSON
2. 分隔符字符没有问题。它迟早会出错，例如参见$IFS - unix / posix系统上的地狱。
3. 易于人类阅读，与使用可能无法正确显示且无法轻易输入的特殊字符（主要用于调试目的）形成鲜明对比。
4. 可忽略的开销（如果有的话）
5. 没有麻烦解析并在现有的每种语言中生成JSON。
6. C / C ++存在许多版本和许多许可证的JSON库，因此即使专有软件包含其中一个，它也不是问题。

Answer 3

\ x0D或\ x0A是一个简单的选择，如果您没有多行输入字符串，并且可以轻松显示这些字符串。如果用户无法输入，请使用Tab键（\ x09）。

Answer 4

我不知道它是否是最好的 - 我不知道是否有 a＆＃34;最好的＆＃34;但我已经看过＆＃39; |＆＃39;为此使用了很多。

如果不必显示或从键盘输入， 有许多控制字符可以做到这一点： ASCII单独定义了四个：FS，GS，RS和US（用于字段 分隔符，组分隔符，记录分隔符和单位 分隔符），代码0x1C-0x1F;这些都是自然的。

当然，最通用的解决方案是使用引用 字符串，带转义字符。这两者都比较困难 然而，解析和生成。