解析半结构化值
这是我的第一个问题。我试图找到一个答案，但是，诚实地说，我无法弄清楚我应该使用哪些术语，所以如果之前有人问过，我很抱歉。
如下所示:我在一个.txt文件中以这种格式保存了数千条记录：
(1, 3, 2, 1, 'John (Finances)'),
(2, 7, 2, 1, 'Mary Jane'),
(3, 7, 3, 2, 'Gerald (Janitor), Broflowski'),..。诸若此类。第一个值是PK，另外3个是外键，第5个是字符串。
我需要在Javascript中将它们解析为JSON (或其他什么)，但是我遇到了麻烦，因为有些字符串有parentheses+comma (例如，在第三条记录上，“看门人”)，所以我不能使用子字符串.也许可以修剪正确的部分，但我想知道是否有更明智的方法来解析它。
任何帮助都会很感激的。
谢谢!
回答 5
Stack Overflow用户
发布于 2014-06-16 21:31:48
您不能(阅读可能不应该)为此使用正则表达式。如果括号中包含另一对或一个不匹配怎么办？
好消息是，您可以轻松地为此构造一个标记器/解析器。这样做的目的是跟踪你目前的状况，并采取相应的行动。
这是我在这里写的解析器的草图，重点是向您展示一般的想法。如果你对此有任何概念上的疑问，请告诉我。
它可以使用这里的演示，但我请求您在理解和修补它之前不要在生产中使用它。
它是如何工作的
那么，我们如何构建一个解析器：
var State = { // remember which state the parser is at.
BeforeRecord:0, // at the (
DuringInts:1, // at one of the integers
DuringString:2, // reading the name string
AfterRecord:3 // after the )
};我们需要跟踪输出和当前的工作对象，因为我们将一次解析这些对象。
var records = []; // to contain the results
var state = State.BeforeRecord;现在，我们迭代字符串，继续在其中进行，并读取下一个字符。
for(var i = 0;i < input.length; i++){
if(state === State.BeforeRecord){
// handle logic when in (
}
...
if(state === State.AfterRecord){
// handle that state
}
}现在，剩下的就是在每个状态下将其消耗到对象中：
- 如果是在
(，我们就开始解析，跳过任何空白空间 - 读取所有整数并丢弃
, - 在四个整数之后，将字符串从
'读取到到达其末尾的下一个' - 在字符串之后，读取到
)，存储对象，然后再次启动循环。
执行起来也不是很困难。
解析器
var State = { // keep track of the state
BeforeRecord:0,
DuringInts:1,
DuringString:2,
AfterRecord:3
};
var records = []; // to contain the results
var state = State.BeforeRecord;
var input = " (1, 3, 2, 1, 'John (Finances)'), (2, 7, 2, 1, 'Mary Jane'), (3, 7, 3, 2, 'Gerald (Janitor), Broflowski')," // sample input
var workingRecord = {}; // what we're reading into.
for(var i = 0;i < input.length; i++){
var token = input[i]; // read the current input
if(state === State.BeforeRecord){ // before reading a record
if(token === ' ') continue; // ignore whitespaces between records
if(token === '('){ state = State.DuringInts; continue; }
throw new Error("Expected ( before new record");
}
if(state === State.DuringInts){
if(token === ' ') continue; // ignore whitespace
for(var j = 0; j < 4; j++){
if(token === ' ') {token = input[++i]; j--; continue;} // ignore whitespace
var curNum = '';
while(token != ","){
if(!/[0-9]/.test(token)) throw new Error("Expected number, got " + token);
curNum += token;
token = input[++i]; // get the next token
}
workingRecord[j] = Number(curNum); // set the data on the record
token = input[++i]; // remove the comma
}
state = State.DuringString;
continue; // progress the loop
}
if(state === State.DuringString){
if(token === ' ') continue; // skip whitespace
if(token === "'"){
var str = "";
token = input[++i];
var lenGuard = 1000;
while(token !== "'"){
str+=token;
if(lenGuard-- === 0) throw new Error("Error, string length bounded by 1000");
token = input[++i];
}
workingRecord.str = str;
token = input[++i]; // remove )
state = State.AfterRecord;
continue;
}
}
if(state === State.AfterRecord){
if(token === ' ') continue; // ignore whitespace
if(token === ',') { // got the "," between records
state = State.BeforeRecord;
records.push(workingRecord);
workingRecord = {}; // new record;
continue;
}
throw new Error("Invalid token found " + token);
}
}
console.log(records); // logs [Object, Object, Object]
// each object has four numbers and a string, for example
// records[0][0] is 1, records[0][1] is 3 and so on,
// records[0].str is "John (Finances)"Stack Overflow用户
发布于 2014-06-16 21:48:37
我重复本的感情关于正则表达式通常对此不利的观点，我完全同意他的观点，即标记器是这里最好的工具。
但是，考虑到一些注意事项，您可以在这里使用正则表达式。这是因为您的(、)、,和'中的任何歧义都可以归因于您的最后一列；因为所有其他列都是整数。
So，给定：
- 输入是完美的(没有意外的
(、)、,或')。 - 根据您的编辑，每条记录都在一条新行上。
- 您输入的唯一新行将是打破下一个记录。
..。下面的内容应该可以工作(注意“新行”，这里是\n。如果它们是\r\n，则相应地更改它们)：
var input = /* Your input */;
var output = input.split(/\n/g).map(function (cols) {
cols = cols.match(/^\((\d+), (\d+), (\d+), (\d+), '(.*)'\)/).slice(1);
return cols.slice(0, 4).map(Number).concat(cols[4]);
});代码在新行上拆分，然后逐行遍历，然后使用正则表达式将其分割成单元格，该表达式尽可能多地将其属性分配给最终的单元格。然后，它将前4个元素转换为整数，并将第5个元素(字符串)插入末尾。
这给出了一个记录数组，其中每个记录本身都是一个数组。前4个元素是PK元素(作为整数)，第5个元素是字符串。
例如，给定输入，使用output[0][4]获取"Gerald (Janitor), Broflowski"，使用output[1][0]获取第二条记录的第一个PK 2 (不要忘记JavaScript数组是零索引的)。
您可以看到它在这里工作：http://jsfiddle.net/56ThR/
Stack Overflow用户
发布于 2014-06-16 22:19:49
另一种选择是将其转换为类似于Array和eval的东西。我知道不建议使用eval，但这是一个很酷的解决方案:)
var lines = input.split("\n");
var output = [];
for(var v in lines){
// Remove opening (
lines[v] = lines[v].slice(1);
// Remove closing ) and what is after
lines[v] = lines[v].slice(0, lines[v].lastIndexOf(')'));
output[v] = eval("[" + lines[v] + "]");
}所以，eval parameter看起来应该是：[1, 3, 2, 1, 'John (Finances)']，它确实是一个数组。
演示：http://jsfiddle.net/56ThR/3/
而且，它也可以写得更短，像这样：
var lines = input.split("\n");
var output = lines.map( function(el) {
return eval("[" + el.slice(1).slice(0, el.lastIndexOf(')') - 1) + "]");
});演示：http://jsfiddle.net/56ThR/4/
https://stackoverflow.com/questions/24252352
复制相似问题
腾讯云开发者
