用Java编写文件解析器的技巧？

Question

编辑：我主要解析“逗号分隔值”，模糊地引起了我的注意。

解释CSV块是这里的主要问题。

我知道如何将文件读取为String[]以及String的一些基本功能，但我不认为使用contains()等方法并分析所有字符按性格将起作用。

我能以更聪明的方式做些什么方法？

一行示例：

-barfoob: boobs, foob, "foo bar"

Answer 1

每个人都认为你在谈论XML是有原因的：面对XML解析器的成熟和易用性，发明一种专有的基于文本的文件格式需要非常强大的理由。

你的问题表明你对解析器的了解很少（否则你会写一个ANTLR或JavaCC语法而不是问这个问题） - 这是反对滚动的另一个强有力的论据你自己的，除了学习经验。

Answer 2

由于输入“格式与HTML 类似”，因此您的数据很可能使用树状结构进行最佳表示，而且很可能是XML或类似到XML。

如果是这种情况，我建议解析文件的最聪明方法是使用XML解析器。

以下是您可能会发现有用的一些资源：

• 有关Sun解析XML的章节：http://java.sun.com/developer/Books/xmljava/ch03.pdf
• 可能有助于您开始使用的文章：http://onjava.com/pub/a/onjava/2002/06/26/xml.html

HTH

Answer 3

如果文档是有效的XML，那么任何其他答案都可以。如果不是，你会have to lex。

Answer 4

即使您想自己编写解析器，也应该查看ANTLR，ANTLR是一个很好的选择。或者至少查看YAML

Answer 5

This并通过维基百科挖掘related articles可能就足够了。

Answer 6

我认为java.util.Scanner会帮助你。看看http://java.sun.com/javase/6/docs/api/java/util/Scanner.html

Answer 7

根据您的“架构”的复杂程度，正则表达式可能就是您想要的。如果有很多嵌套，那么转换为XML或JSON并使用预构建的解析器可能最容易。

Answer 8

人们对标准格式是最佳做法是正确的，但让我们把它放在一边。

假设您给出的示例具有代表性，那么任务就非常简单。

您显示一行，其中包含一个初始标记，用冒号空格标记，然后是逗号分隔值列表。在第一个冒号空间分开，然后在右边的部分使用split（）。报价的处理也是微不足道的。

Answer 9

在查看您的示例输入后，我看不到与HTML或XML有任何相似之处：

-barfoob: boobs, foob, "foo bar"

如果这是您要解析的内容，我有另一个建议，使用Java属性解析器（标准Java附带），然后使用您自己的自定义代码解析每行的其余部分。您需要稍微重构一下您的格式才能使其正常工作，所以这取决于您。

barfoob=boobs, foob, "foo bar"

Java属性将能够返回barfoob作为属性名称，并boobs, foob, "foo bar"作为属性值。您可以使用自定义代码将属性值拆分为boobs，foob和foo bar。

Answer 10

我强烈建议不要重新发明方向并使用现有的解决方案，例如Flatworm，Fixedformat4j或jFFP，它们都可以解析位置或逗号分隔值文件（个人，我推荐Flatworm）。

Answer 11

您可以在某种程度上使用Neko HTML parser。这取决于它如何处理非标准HTML。

Answer 12

如果XML有效，我个人更喜欢使用http://www.xom.nu，因为它具有很好的DOM模型。但正如所指出的，J2SE中有解析器。