Parsing 解析任意用户输入

我有一个数据库，里面有来自公告栏的信息。电路板使用BB代码作为格式样式。即：

• 我没有格式化
• 这是[b]粗体[/b]文本
• 标记也可以[i][b]嵌套[/b]
• 而且筑巢可能相当丑陋

我的最终目标是将这些消息转换为一些格式良好的XML（这里没有讨论；）。我不想使用正则表达式，因为正则表达式在某一点上会失败（事实上，它确实会失败）

第一步：将消息解析为某种内部表示（图形、树等）。我被困在这一点上。实际提取并没有那么大的问题，但存储是

如何将这种标记表示为某种有意义的结构。我的问题似乎与浏览器从HTML文件构建DOM类似（或几乎相同）。所以我认为有一些策略可以解决这个问题。我知道这个解决方案并不完美，但我愿意投入大量的时间尽可能做到最好

问题：你有什么建议/提示/意见吗？你能推荐一些文章或论文吗？还是一本讨论这些话题的书？我非常感谢您的任何意见

而且筑巢可能相当丑陋 我已经编写了一个解析器，它与您希望做的非常相似，只是它会在您的第四个示例中抛出一个错误。类似于“在[i]内意外结束标记[/b]的内容”

我认为您想要做的是非常可行的，但在内部，您将希望创建一棵树，就像您的原始文本是：

“而[b]嵌套[i]可能相当丑陋”

。（如果您以后不需要将其转换为XML，我认为这是不必要的。如果不需要转换为XML，您可以保留一个文本节的链接列表，其中每个节都标记有其格式组合）

我想到了解决这个问题的两种可能的方法（当然可能有更好的方法）。1） 预处理并在必要时插入缺少的结束和开始标记。2） 构建解析树，如果存在重叠的标记，则根据当前上下文暗示缺少的标记。我认为方法（2）会更简单、更干净

您可以基于复合模式对树进行建模，其中有一个AbstractElement类、一个扩展AbstractElement的TextElement类和一个扩展AbstractElement并包含AbstractElement类型子元素列表的标记类

首先创建一个根标记实例。然后调用rootTag.parse（text）。您需要一个扫描仪，它可以返回3种类型的标记：文本、开始标记和结束标记。扫描仪将允许您将令牌推送到它上面，它将在任何正常扫描令牌之前返回。这将允许您在遇到并处理意外的结束标记后推送新的开始标记标记。您还必须知道何时完成输入。我将使用第四种令牌类型

/* methods within class Tag */ public void parse(String text) { MyScanner scanner = new MyScanner(text); parse(scanner); } /* returns next token */ private Token parse(MyScanner scanner) { Token firstToken = scanner.getNextToken(); return parse(scanner,firstToken); } private Token parse(MyScanner scanner) { Token firstToken = scanner.getNextToken(); return parse(scanner,firstToken); } private Token parse(MyScanner scanner, Token token) { while (!token.isDone() && !token.isEndTag()) { if (token.isStartTag()) { Tag subTag = new Tag(token.getValue()); token = scanner.getNextToken(); token = subTag.parse(scanner,token); addElement(subTag); } else { TextElement text = new TextElement(token.getValue()); addElement(text); token = scanner.getNextToken(); } } if (token.isEndTag()) { if (!token.getValue().equals(getName()) { scanner.push(new Token(Token.START_TAG,token.getValue())); } else { token = scanner.getNextToken(); } } return token; } /*类标记中的方法*/ 公共void解析（字符串文本）{ MyScanner scanner=新的MyScanner（文本）； 解析（扫描器）； } /*返回下一个令牌*/ 专用令牌解析（MyScanner扫描程序）{ Token firstToken=scanner.getNextToken（）； 返回解析（scanner，firstToken）； } 专用令牌解析（MyScanner扫描程序）{ Token firstToken=scanner.getNextToken（）； 返回解析（scanner，firstToken）； } 专用令牌解析（MyScanner扫描程序、令牌）{ 而（！token.isDone（）&&！token.isEndTag（））{ if（token.isStartTag（））{ Tag subTag=新标记（token.getValue（））； 令牌=scanner.getNextToken（）； token=subTag.parse（扫描器，token）； 附加元素（子标记）； } 否则{ TextElement text=新的TextElement（token.getValue（））； 增编（文本）； 令牌=scanner.getNextToken（）； } } 如果（token.isEndTag（））{ 如果（！token.getValue（）.equals（getName（））{ push（新令牌（Token.START_标记，Token.getValue（））； } 否则{ 令牌=scanner.getNextToken（）； } } 返回令牌； } 因此，如果要解析“并且[b]嵌套[i]可能相当丑陋”，那么应该创建以下内容

rootTag.parse should be adding: TextElement: "And the " Tag: "b" TextElement: "nesting " Tag: "i" TextElement: "can be" (... at this point the odd [/b] is encountered ...) (... push "i" start tag on the scanner ...) (... here the [/b] is encountered (again) ...) Tag: "i" (this was scanned because it had been pushed to the scanner) TextElement: " rather" TextElement: " ugly" rootTag.parse应添加： TextElement:“和” 标签：“b” TextElement：“嵌套” 标签：“我” TextElement:“可以” （…此时遇到了奇怪的[/b]。） （…按下扫描仪上的“i”开始标签…） （…这里遇到了[/b]。） 标签：“i”（这是扫描的，因为它被推到了扫描仪上） TextElement：“相当” TextElement：“丑陋”

---

注意：在文本区域中进行编码不利于测试和调试。请接受此答案作为提示或可能性，而不是您定义的答案。

Wow。非常感谢。您的示例代码几乎解决了我的所有问题：）谢谢您，祝您好运。我刚刚修正了一个输入错误，我在push调用中传递了错误的参数，现在也修正了。