标签：分布 表达式 highlight 多个 ram 字符串类型 images 序列化 数据格式
转自数据之巅原文用原始方法解析复杂字符串，json一定要用JsonMapper么？
经常采集数据，肯定会碰到解析字符串，包括整个页面的html，或者json以及一些不标准的json格式。。。
以前用json序列化，有时候需要实体类，有的时候没有，比较麻烦，听说可以用JsonMapper，解析为字典格式。不过没用过，习惯了用最原始的方法来解析字符串，所以这里分享几个解析的案例。也许会有点作用。
解析字符串最常用的应该是Splite和Replace了。分割，然后替换一些引号之类的。最后组合。特别是采集的时候，经常会把html页面中某一段要提取出来，可能很多人用正则表达式，可是不会啊，也不愿意去学。那只好用这些原始的方法了，时间久了，也积累一些经验或者函数。看看几个例子。
先看看这个例子，字符串是连在一起，没有换行的，为了方便观察，换行了，程序是原始在一起的：
|
1
2
3
|
[11101630,1532,14,‘0‘,‘0‘,3,‘2015,4,23,16,05,48‘,‘4‘,1,2,0,0],[11101631,1532,14,‘0‘,‘0‘,3,‘2015,4,23,16,09,48‘,‘0‘,,,0,0],[11101632,1532,14,‘0‘,‘0‘,3,‘2015,4,23,16,03,10‘,‘1‘,2,2,0,0] |
先来分析一下这个字符串的特点，才能找到思路哦：
1.每一组数据都是在[]括号对中，每一组数据用,号分割，所以最终要形成一个数组来访问哦。
2.每一组的数据基本都是用 ， 号分割，字符串类型还有单引号 ；
3.第7个数组是一个整体，也使用,号分割，整体是字符串有引号；
4.第2组数据有空值，直接用,号分割，所以splite的时候不能去掉空值，否则数组长度不一样，定位就乱了。
既然分析都完了，那思路呢？
1.组直接分割使用 ], 标记，然后每一组要Repalce掉 [ 和 ] 。主要是最前和最后；
2.组内分割，使用 ，号标记分割，出来之前要把单引号给 替换掉 ；不然也是作为字符串，引号也包括进去了；
3.至于那个 数组 的处理，不能过于想复杂，分割之后，直接在最后增加1个元素，将固定位置7-12的组合起来；这样也许方便点；
4.由于空值有占位，所以每一组的长度是固定的。所以处理的时候直接根据自己想要的位置来组合。
下面看看代码了，C#版本，相对与一行代码，仔细看，Linq很是一个神器，真的是神奇。。。说多了都是泪，为啥就没早点学呢：
|
1
2
3
4
5
6
7
8
9
10
11
|
String str = @"[11101630,1532,14,‘0‘,‘0‘,3,‘2015,4,23,16,05,48‘,‘4‘,1,2,0,0],[11101631,1532,14,‘0‘,‘0‘,3,‘2015,4,23,16,09,48‘,‘0‘,,,0,0],[11101632,1532,14,‘0‘,‘0‘,3,‘2015,4,23,16,03,10‘,‘1‘,2,2,0,0]";var result = str.Split(new string[] { "]," }, StringSplitOptions.None) //先整体分割组 .Select(n => n.Replace("[", "") //以下是组内分割，并去掉其他干扰字符 .Replace("]", "") .Replace("\‘", "") .Split(‘,‘).ToList()) .Select(n => //对中间一个整体单独提取，进行组合，单独增加一个元素 { n.Add(String.Format("{0},{1},{2},{3},{4},{5}", n[6], n[7], n[8], n[9], n[10], n[11]));return n; }).ToList(); |
看看结果怎么样：
由于json数据格式都是键值对字符串，所以这里特意分享一个经常用到的分割函数，不用Json组件，那就用简单的方法做一个。这个函数来源于Newlife.Core，是X组件的重要部分。源码部分不过多解释，就是按规则将键值对直接分割保持在字典中，使用方法大家可以自己实验一下，或者参考下面的案例，都有用到这个方法。代码如下，为了方便使用，写成了扩展方法：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
|
public static class StringHelper{ /// <summary>拆分字符串成为名值字典</summary> /// <param name="str">要分割字符串的</param> /// <param name="nameValueSeparator">键值对的分隔符</param> /// <param name="separators">分割字符</param> /// <returns>键值对字典</returns> public static IDictionary<String, String> SplitAsDictionary(this String str, String nameValueSeparator = "=", params String[] separators) { var dic = new Dictionary<String, String>(); if (String.IsNullOrWhiteSpace(str)) return dic; if (String.IsNullOrEmpty(nameValueSeparator)) nameValueSeparator = "="; if (separators == null || separators.Length < 1) separators = new String[] { ",", ";" }; String[] ss = str.Split(separators, StringSplitOptions.RemoveEmptyEntries); if (ss == null || ss.Length < 1) return null; foreach (var item in ss) { Int32 p = item.IndexOf(nameValueSeparator); // 在前后都不行 if (p <= 0 || p >= item.Length - 1) continue; String key = item.Substring(0, p).Trim(); dic[key] = item.Substring(p + nameValueSeparator.Length).Trim(); } return dic; }} |
上面默认的键值对分割符号为 = 号，根据实际情况进行修改，json格式里面一般是：冒号比较多。
上面的例子比较简单，这次看一个稍微复杂点的，虽然可能用JsonMapper可以很轻易做到，但试一下最原始的方法吧。还是按照上面的思路，先分析字符串的特点：字符串是连在一起，没有换行的，为了方便观察，换行了，程序是原始在一起的：
|
1
2
3
4
5
6
7
|
{1074:[‘墨聯‘,‘墨联‘,‘MEX D1‘,‘#098000‘,‘98‘], 2100:[‘美乙‘,‘美乙‘,‘USL D2‘,‘#E89B10‘,‘98‘], 1024:[‘阿甲‘,‘阿甲‘,‘ARG‘,‘#00CCFF‘,‘98‘], 1052:[‘哥倫甲‘,‘哥伦甲‘,‘COLCMA‘,‘#888500‘,‘98‘], 1028:[‘K聯賽‘,‘K联赛‘,‘KORL‘,‘#F75000‘,‘98‘], 1297:[‘球會友誼‘,‘球会友谊‘,‘CF‘,‘#5691D8‘,‘98‘], 2085:[‘奧女甲‘,‘奧女甲‘,‘AFB‘,‘#D86220‘,‘97‘]} |
还是先分析特点，这个格式应该是json类似的了，比较规则：
组与之间是使用 ， 号分割；前后有｛｝括号对；观察前后可以使用 ], 字符串将组分开；
键 是整数，键值是通过 ： 号分割；
值是一个数组，有5个元素，通过 , 号分割
都有单引号，需要过滤掉；其他没有特殊情况；
代码解决过程：
|
1
2
3
4
5
6
7
|
string text = @"{1074:[‘墨聯‘,‘墨联‘,‘MEX D1‘,‘#098000‘,‘98‘],2100:[‘美乙‘,‘美乙‘,‘USL D2‘,‘#E89B10‘,‘98‘],1024:[‘阿甲‘,‘阿甲‘,‘ARG‘,‘#00CCFF‘,‘98‘],1052:[‘哥倫甲‘,‘哥伦甲‘,‘COLCMA‘,‘#888500‘,‘98‘],1028:[‘K聯賽‘,‘K联赛‘,‘KORL‘,‘#F75000‘,‘98‘],1297:[‘球會友誼‘,‘球会友谊‘,‘CF‘,‘#5691D8‘,‘98‘],2085:[‘奧女甲‘,‘奧女甲‘,‘AFB‘,‘#D86220‘,‘97‘]}";var dic = text.Replace("\‘", "").Split(new String[]{"],"}, StringSplitOptions.None) //先组分割 .Select(n => n.Replace("{", "").Replace("}", "") //将组里面的干扰字符过滤掉 .Replace("[", "").Replace("]", "") .SplitAsDictionary(":", "\"") //键值对处理，冒号分隔符 .ToDictionary(t => t.Key, t => t.Value.Split(‘,‘)//值再次进行分割，形成数组 )).ToArray(); |
看看结果如何：
在实际的采集过，可能会碰到直接url，返回的就是json格式，比较标准。这里举个例子，如下面这个页面链接：
http://d.dacai.com/zhishu/CorrectCorp.html?matchId=1899040&matchStatusId=41
点击开后，是这个样子：
这个应该够复杂了，我们分析一下，篇幅较大，源码对照链接：
每一大组数据，是用,号分割；整体也是前后大括号对{}，有4个大类，键分布是：IndBodans，IndEvenGoals，IndGoalss，IndHalfFulls。
每一组的子类中，包括的都是同一个类型的数据，每一个子数据组都有N多个小的键值对，如MatchId,CorpId等等，使用},可以分割
分析完成之后如何解决，思路是类似的，先整体分割，使用},进行，然后每一个之类作为键，对值再次进行分割。。。形成字典列表。其中的引号也是需要过滤的，至于数值类型，实际用到那个的时候，都是根据key去找，再进行Convert转换就可以了。看看源代码：
|
1
2
3
4
5
6
7
|
var dicList = doc.Split("{\"IndBodans\":[", "],\"IndEvenGoals\":[", //大类分割 "],\"IndGoalss\":[", "],\"IndHalfFulls\":[", "]}") .Select(n => n.Replace("\"", "").Split("},{")//对每个大类处理，先过滤，再分割为子类 .Select(k => k.Replace("{", "").Replace("}", "")//对子类过滤 .SplitAsDictionary(":", ","))//提取子类的键值对 .ToArray() ).ToList();//列表 |
看看解析的结果如何：
注意，有元素是空值的，可以不用管。至于那几个键值对数组，最终属于哪一个大类？虽然没有直接标记出来，但是这个问题随便加一个判断就可以了，因为每一个类别的键名称是不一样的，看看是否包括对应的键就可以确定类别。
用原始方法解析复杂字符串，json一定要用JsonMapper么？
标签：分布 表达式 highlight 多个 ram 字符串类型 images 序列化 数据格式
原文地址：http://www.cnblogs.com/arxive/p/7074845.html
