Question

我正在解析纯文本并将其转换为键值对。例如，纯文本：

some_uninteresting_thing
key1 valueA, some_uninteresting_thing  valueB
key2 valueD
key3 some_uninteresting_thing  valueE 
key4 valueG(valueH, valueI)
key5 some_uninteresting_thing

可能的映射：

 Map(

 key1 ->(valueA, valueB,valueC), 
 key2 ->(valueD, valueE),
 key3 ->(valueF)
 key4 ->(valueH, valueI)

 ...
 )

Amd结果将是：

key1 ->(valueA, valueB)
key2 ->(valueD)
key4 ->(valueH, valueI)

（key5不应该映射，因为没有适当的值。正如你所看到的那样，纯文本是宽松的。什么java库有助于处理这个？

Answer 1

如果您熟悉正式语言，标记化/语法等，则可以使用像JavaCC这样的解析器生成器。 JavaCC获取您编写的语法文件，并生成将文本文件解析为一系列标记或sytax树的Java代码。有一些Maven和Ant插件可以帮助将这个额外的源集成到你的构建中。

对于仅限运行时的解决方案，有RunCC，我已经使用了很好的结果。（我怀疑它没有JavaCC那么快，但对于我的情况，性能很好。）

还有Chaperon，它使用语法文件将纯文本转换为XML。

替代方法是使用正则表达式和StringTokenizer的临时混合。

在解析器项目或正则表达式准备就绪的情况下，您的一般方法就是这样：

为纯文本文件编写语法。关于纯文本格式的一些细节缺失，但您可能只能使用BufferedReader.readLine()来读取文件的行，并StringTokenizer将行拆分为空格和逗号的子串。< / LI>
您从解析器获得的字符串，您用作键的第一个字符串，以及后续字符串是您添加到Map的值。例如。在伪代码中

地图＆GT; map = new HashMap＆gt;（）; 每行{ 列表标记= ...; //分割线的结果 String key = tokens.get（0）; map.add（key，tokens.sublist（1，tokens.size（））; }

即使解析器没有过滤不感兴趣的文本，它也会在稍后过滤。
使用上述项目构建解析器以解析地图文件格式。同样，您可以使用正则表达式和StringTokenizer构建一个简单的解析器。使用解析器构建地图。地图与上面的签名相同，即Map<String,List<String>>.
最后，根据允许值映射过滤输入映射。

像这样。

   Map<String,List<String>> input = ...; // from step 1.
   Map<String,List<String>> allowed = ...; // from step 3.
   Map<String,List<String>> result = new HashMap<String<list<String>>(); // the final map
   for (String key : input.keySet()) {
      if (allowd.contains(key)) {
         List<String> outputValues = new ArrayList();
         List<String> allowedValues = allowed.get(key);
         List<String> inputValues = input.get(key);
         for (String value: inputValues) {
            if (allowedValues.contains(value))
                outputValues.add(value);
         }
         if (!outputValues.isEmpty())
            output.put(key, outputValues);
      }
   }
   // final result in filter

Answer 2

您可以使用口译员和构建器。

解释器解析源并识别传递给构建器的键和值，构建所需的任何数据结构。

将纯文本解析为某个结构化对象

2 个答案: