用Java编写文件解析器的技巧？

编辑：我主要分析“逗号分隔值”，fuzzy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入

String[]

和

String

的一些基本功能，但我认为使用

contains（）

之类的方法并逐个字符分析所有内容是行不通的

我有哪些方法可以更聪明地做到这一点

行的示例：

-barfoob:boobs，foob，“foo-bar”

由于输入“格式类似于HTML””，因此您的数据很可能最好使用树状结构来表示，而且很可能是XML或类似于XML

如果是这种情况，我建议最聪明的解析文件的方法是使用XML解析器

以下是一些您可能会觉得有用的资源：

• Sun上关于XML解析的一章：
• 一篇可能帮助您快速入门的文章：

---

HTH

您可以在某种程度上使用。这取决于它如何处理非标准HTML。

根据“模式”的复杂程度，正则表达式可能是您想要的。如果有很多嵌套，那么转换成XML或JSON并使用预构建的解析器可能是最容易的。

如果XML是有效的，我个人更喜欢使用，因为它具有很好的DOM模型。但是正如所指出的，J2SE中有解析器。

如果文档是有效的XML，那么其他任何答案都可以。如果不是，你会的。

有一个原因，每个人都认为你在谈论XML：面对XML解析器的成熟性和易用性，发明专有的基于文本的文件格式需要非常有力的理由

---

您的问题表明，您对解析器的了解非常少（否则您将编写一个语法或语法，而不是问这个问题），这是另一个强烈反对您自己滚动的论点，除了作为学习经验

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《维基百科》，在维基百科中挖掘可能就足够了。

人们关于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。

在查看您的示例输入后，我看不出与HTML或XML有任何相似之处：

-barfoob:boobs，foob，“foobar”

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，“foobar”

---

Java属性可以将

barfoob

作为属性名返回，将

boobs，foob，“foo bar”

作为属性值返回。在这里，您可以使用自定义代码将属性值拆分为

boobs

，

foob

和

foobar

，我强烈建议不要重新发明轮子，使用现有的解决方案，例如，或者可以解析位置或逗号分隔的值文件（我个人建议Flatworm）.

我认为java.util.Scanner将帮助您。看一看

格式是有效的XML吗？不，我不遵循任何标准，也不打算使用XML；这只会使事情变得不必要的复杂。@Kavon，如果您的输入文件不是XML，那么您可能希望发布输入文件的示例内容，因为解析每个文件的最佳方式取决于您正在解析的内容……等等：您认为使用非标准格式（要求您编写自己的解析器）不会使事情变得不必要的复杂？？您不会说这是一个局部示例，如果您想要实际的答案，请发布完整的示例，我仍然认为YAML比尝试创建自己的半生不熟的解决方案更聪明，而且部分示例中的任何内容看起来都不像HTML。数据不是XML，如果是XML，它看起来会很可怕，也不友好。是的，这主要是一种学习体验。专有方面也是非常合理的。添加XML库的首选项到底有什么错呢？哇，我从来没有想过使用扫描仪，谢谢！