用Java编写文件解析器的技巧[关闭]

有一个原因是每个人都认为您在谈论XML:发明一种基于文本的专有文件格式需要 非常强壮 面对XML解析器的成熟性和易用性,这是正确的。

您的问题表明您对解析器的了解很少(否则您将编写一个 ANTLR JavaCC

因为输入是“ ,则很可能您的数据最好使用树状结构来表示,而且很可能它是XML或类似于XML。

以下是一些您可能会觉得有用的资源:

• http://java.sun.com/developer/Books/xmljava/ch03.pdf
• 一篇可能帮助您快速入门的文章: http://onjava.com/pub/a/onjava/2002/06/26/xml.html

如果文档是有效的XML,那么其他任何答案都可以。如果不是,你会 have to lex

即使您想自己编写解析器,也应该查看ANTLR,ANTLR是一个很好的替代方案。或者至少看看 YAML

This 并在维基百科中挖掘 related articles

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

根据“模式”的复杂程度,正则表达式可能是您想要的。如果存在大量嵌套,那么转换为XML或JSON并使用预构建的解析器可能是最容易的。

人们对标准格式是最佳实践的看法是正确的,但让我们把它放在一边。

假设您给出的示例具有代表性,那么任务就相当简单了。

显示带有初始标记的行,用冒号空格取消标记,然后是逗号分隔的值列表。在第一个冒号空格处分开,然后在右边的零件上使用split()。引号的处理也很简单。

-barfoob: boobs, foob, "foo bar"

如果这就是您想要解析的内容,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。为了让它正常工作,您需要对格式进行一些重构,所以这取决于您自己。

barfoob=boobs, foob, "foo bar"

Java属性将能够返回给您 barfoob boobs, foob, "foo bar" 作为属性值。在这里,您可以使用自定义代码将属性值拆分为 boobs , foob foo bar .

我强烈建议不要重新发明轮子,而使用现有的解决方案,如 Flatworm Fixedformat4j 或 jFFP 这可以解析位置或逗号分隔的值文件(我个人推荐Flatworm)。

您可以使用 Neko HTML parser

如果XML是有效的,我个人更喜欢使用 http://www.xom.nu 只是因为它有一个很好的DOM模型。但是,正如所指出的,J2SE中有解析器。