Question

我希望使用C解析iCalendar文件。我有一个现有的结构设置和读取所有就绪，并希望逐行解析组件。

例如，我需要解析如下内容：

UID:uid1@example.com
DTSTAMP:19970714T170000Z
ORGANIZER;CN=John Doe;SENT-BY="mailto:smith@example.com":mailto:john.doe@example.com
CATEGORIES:Project Report, XYZ, Weekly Meeting
DTSTART:19970714T170000Z
DTEND:19970715T035959Z
SUMMARY:Bastille Day Party

以下是一些规则：

每行的第一个字是属性名称
属性名称后跟冒号（:)或分号（;）
如果是冒号，则属性值将直接位于内容右侧的行尾
此处添加了另一层复杂性，因为允许使用逗号分隔的值列表，然后将其存储在数组中。因此，CATEGORIES例如，数组中有3个元素用于值
如果属性名称后面有一个半冒号，则后面有可选参数
可选参数格式为ParamName = ParamValue。这里再次支持以逗号分隔的列表。
ORGANIZER行上可以有多个可选参数。只有另一个分号后跟下一个参数和值。
再投入另一把扳手，价值中允许引用。如果某个值在引号中，则需要将其视为值的一部分，而不是语法的一部分。因此，引号中的分号并不意味着它将成为该值的一部分。

我正在使用strchr()和strtok()进行此操作，并从中获得了一些基本元素，但它变得非常混乱和无组织，并且似乎不是正确的方法。

如何使用标准C库（或POSIX正则表达式库）实现这样一个复杂的解析器？（不是寻找整个解决方案，只是出发点）

Answer 1

这个答案假设您想使用标准C来推广自己的解析器。在实践中，通常最好使用现有的解析器，因为他们已经考虑并处理了可能出现的所有奇怪的事情。

我的高级方法是：

阅读一行
将指向此行开头的指针传递给函数parse_line：
- 在指针上使用strcspn标识第一个:或;的位置（如果未找到标记，则中止）
- 保存文本到目前为止的属性名称
- 解析指针指向;时：
  - 调用函数extract_name_value_pair传递解析指针的地址。
  - 该函数将提取并保存名称和值，并将指针更新为指向条目后的;或:。当然，此函数必须处理值中的引号，以及值可能为;或:的事实
- （此时解析指针始终在:）
- 将字符串的其余部分传递给函数parse_csv，该函数将查找以逗号分隔的值（再次，知道引号）并将找到的结果存储在正确的位置。

事实上，应首先开发和测试函数parse_csv和extract_name_value_pair。制作测试套件并检查它们是否正常工作。然后编写整体解析器函数，根据需要调用这些函数。

此外，将所有内存分配代码写为单独的函数。想一想您要将解析结果存储在哪种数据结构中。然后编写该数据结构并对其进行测试，完全独立于解析代码。只有这样，编写解析代码并调用函数才能将结果数据插入数据结构中。

你确实不希望内存管理代码与解析代码混淆。这使得它在指数上难以调试。

当创建一个接受字符串的函数（例如上面所有三个命名函数，以及你决定需要的任何其他帮助函数）时，你有一些关于它们的接口的选项：

接受指向以null结尾的字符串
接受指向开始和一个接一个的结尾
接受指向开始的指针和整数长度

每种方式都有它的优点和缺点：在任何地方写入null终结符然后在需要时再写入它是很烦人的;但是当你想使用strcspn或其他字符串函数但你收到一个长度计算的字符串时，它也很烦人。

此外，当函数需要让调用者知道解析时消耗了多少文本时，您有两个选择：

接受指向字符的指针，返回消耗的字符数;调用函数会将两者加在一起以了解发生了什么
接受指向字符指针的指针，并将指针更新为字符。然后可以将返回值用于错误代码。

没有一个正确的答案，根据经验，您可以更好地决定哪个选项可以获得最干净的代码。

用C解析iCalendar文件

1 个答案: