Java 将纯文本解析为某个结构化对象

我正在解析纯文本并将其转换为键值对。 例如，纯文本：

some_uninteresting_thing
key1 valueA, some_uninteresting_thing  valueB
key2 valueD
key3 some_uninteresting_thing  valueE 
key4 valueG(valueH, valueI)
key5 some_uninteresting_thing 

和可能的映射：

 Map(

 key1 ->(valueA, valueB,valueC), 
 key2 ->(valueD, valueE),
 key3 ->(valueF)
 key4 ->(valueH, valueI)

 ...
 )

结果将是：

key1 ->(valueA, valueB)
key2 ->(valueD)
key4 ->(valueH, valueI)

---

（键5不应该被映射，因为它没有合适的值。正如您所看到的，纯文本是宽松的。什么java库可以帮助处理这个问题？

您可以使用解释器和生成器

---

解释器解析源代码并识别传递给构建器的键和值，构建器构造您想要的任何数据结构。

如果您熟悉正式语言、标记化/语法等，您可以使用解析器生成器，.JavaCC获取您编写的语法文件并生成解析的java代码将文本文件转换为一系列令牌或sytax树。Maven和Ant的插件可以帮助将这个附加源集成到您的构建中

对于一个只运行时的解决方案，有一个，我已经使用了它并取得了很好的效果（我怀疑它没有JavaCC那么快，但对于我来说，性能还不错）

还有，它使用语法文件将纯文本转换为XML

一种替代方法是使用正则表达式和

StringTokenizer

的特别混合

在解析器项目或正则表达式准备就绪的情况下，您的一般方法如下：

为纯文本文件编写语法。缺少有关纯文本格式的某些详细信息，但您可以简单地使用

BufferedReader.readLine（）

读取文件的行，并使用

StringTokenizer

将行拆分为空格和逗号处的子字符串

从解析器获得的字符串、用作键的第一个字符串以及后续字符串都是值，可以添加到映射中。例如，在伪代码中

Map>Map=newhashmap>（）； 每行{ 列表标记=…；//拆分行的结果 String key=tokens.get（0）； add（key，tokens.sublist（1，tokens.size（））； }

即使解析器没有过滤不感兴趣的文本，它也会在以后被过滤

使用上述项目构建一个解析器，以解析映射文件格式。同样，您可以使用正则表达式和StringTokenizer构建一个简单的解析器。使用解析器构建映射。映射具有与上述相同的签名，即

map。

最后，根据允许的值映射过滤输入映射

像这样的

   Map<String,List<String>> input = ...; // from step 1.
   Map<String,List<String>> allowed = ...; // from step 3.
   Map<String,List<String>> result = new HashMap<String<list<String>>(); // the final map
   for (String key : input.keySet()) {
      if (allowd.contains(key)) {
         List<String> outputValues = new ArrayList();
         List<String> allowedValues = allowed.get(key);
         List<String> inputValues = input.get(key);
         for (String value: inputValues) {
            if (allowedValues.contains(value))
                outputValues.add(value);
         }
         if (!outputValues.isEmpty())
            output.put(key, outputValues);
      }
   }
   // final result in filter

映射输入=…；//来自步骤1。
允许映射=…；//来自步骤3。
Map result=new HashMap应将类似“key1 valueA、valueB、valueC”的行映射到1个键/值对（“key1'=>“valueA、valueB、valueC”）或3个键/值对（“key1'=>“valueA”和“key1'=>“valueB”和“key1'=>“valueC”）？您的代码应该如何处理示例的第一行？
某个无趣的东西
是没有值的键还是什么？在处理最后一行时，应该如何考虑这一点？如何区分“无趣”文本和“有趣的文本”。例如，如果第一行是“it's life，Jim”这是无趣的，还是关键=“这是”，valueA=“生活”，valueB=“吉姆”？@Eric Eijkelenboom不要紧，我两者都能应付situations@CarlSmotricz不应该映射任何内容，解析器继续解析输入