Question

对于我的数据结构项目，目标是读取一个包含超过10000首歌曲的提供文件，其中清晰标记了艺术家，标题和歌词，每首歌曲用一条双引号分隔。我已经编写了这段代码来解析文本文件，它运行起来，运行时间不到3秒阅读422K行文字
创建一个Song对象
将所述歌曲添加到ArrayList中

我写的解析代码是：

if (songSource.canRead()) {  //checks to see if file is valid to read
    readIn= new Scanner(songSource);
    while (readIn.hasNextLine()) {
 do {
     readToken= readIn.nextLine();

             if (readToken.startsWith("ARTIST=\"")) {
  artist= readToken.split("\"")[1];
      } 
      if (readToken.startsWith("TITLE=\"")) {
  title= readToken.split("\"")[1];
      } 
      if (readToken.startsWith("LYRICS=\"")) {
  lyrics= readToken.split("\"")[1];
      } else {
  lyrics+= "\n"+readToken;
      }//end individual song if block
 } while (!readToken.startsWith("\"")); //end inner while loop

    songList.add(new Song(artist, title, lyrics));

    }//end while not EOF 
} //end if file can be read

我正在与我的Intro to Algorithms教授谈论这个项目的代码，他说我应该在我的代码中试图更加防御，以避免其他人提供的数据不一致。最初我在Artist，Title和Lyrics字段之间使用if / else块，并且根据他的建议我改为顺序if语句。虽然我可以看到他的观点，但是使用这个代码示例，我怎样才能更加谨慎地避免输入不一致？

Answer 1

我会替换例如：

artist= readToken.split("\"")[1];

与

String[] parts = readToken.split("\"");
if(parts.length >= 2) artist = parts[1];
else continue;

其他修改包括：

重置局部变量（因此，如果在第一首歌之后没有为某首歌提供艺术家，则不会意外地为一首歌创作错误的艺术家）
决定如果缺少某些数据该怎么办 - 你还想把歌曲添加到歌曲列表中吗？

Answer 2

在现实世界中，对数据完整性有一些保证。在处理用户输入（无论是来自stdin还是文件）的情况下，有一些项目定义的范例用于通知用户需要注意的问题。

例如，当编译器编译代码或执行脚本的shell遇到不一致时，它可能会暂停并打印包含不一致的行，而下面的第二行使用“^”符号来指示问题的位置

所以这里有一些基本问题要问自己：
1.每条线路都保证包含每个区域吗？ 2.字段的排序是否有保证？

如果这些是输入合同的条件并且被违反，您应该忽略/报告该行。如果它们不是输入的条件，那么你需要处理它......你目前没有。

Answer 3

您假设输入是完美的。如果您查看当前设置应用程序的方式，基于对算法的快速读取，数据将如下所示

ARTIST="John"
TITLE="HELLO WORLD"
LYRICS="Sing Song All night long"
"

但请考虑案例

ARTIST="John"
TITLE="HELLO WORLD"
LYRICS="Sing Song All night long"
"
ARTIST="Peter"
LYRICS="Sing Song All night long"
"

根据您的算法，您现在有2首歌曲被标记为

songList = { Song("JOHN", "HELLO WORLD", "Sing Song All night long"),
             Song("Peter", "HELLO WORLD", "Sing Song All night long") }

使用当前算法，艺术家和标题将被曝光，即使未定义，也会显示在第二首歌曲中。您需要重置三个变量。

在你的其他地方，你只是将完整的一行倾注到歌词中。如果你已经把歌词拉出来，你现在压倒了怎么办？测试用例

 ARTIST="John"
 LYRICS="Sing Song All night long"
 TILET="HELLO WORLD"
 "

考虑将此记录发送到错误状态。因此，当批量读取完成时，可以生成并修复错误报告。

此外，您只会在阅读艺术家后才考虑EOF。如果在艺术家阅读期间发生EOF，并且该文件未以“。”结束，那将会有一个例外。在你的do / while中添加另一个检查hasNextLine（）

Answer 4

我看到Jason缺少一些东西。

我认为if / else很好，它不会改变逻辑。但是，您应该尽可能地限制变量的范围。通过在while循环中声明艺术家，标题等，它们将被初始化为null（或其他），因此如果一个条目缺少艺术家，那么它将不会获得最后一个条目的值。

此外，如果标题，艺术家等有引号会怎样？怎么处理？看起来多行的歌词怎么样？

如果存在未知字段会发生什么 - 可能是拼写错误？它将被添加到歌词的末尾，这似乎不对。只有在找到LYRICS字段后才能附加它。如果歌词为null，则它将以“null”开头。

Answer 5

以下是一些可以解决的问题：

您的代码假定之前没有空格（例如）“ARTIST”，“=”符号周围没有空格，依此类推。
您的代码假设关键字为全部大写字母。有人可以使用小写或混合大小写。
您的代码假定不以keyword=\"开头的行是歌曲歌词的延续。但是如果用户输入ARTOST="Sting"怎么办？或者，如果用户尝试使用两行作为艺术家姓名，该怎么办？

最后，我不相信在这种情况下用“if”替换“else if” 会对代码的健壮性产生任何影响。

Answer 6

处理异常（我猜Scanner可能会因无效字符而抛出InputMismatchException。）

如果文件格式错误，并且文件末尾已到达，do { } while (...)似乎可以无休止地循环。

无法阻止artist或title为空。

如何针对防御性编程优化此代码？

6 个答案: