用Java编写文件解析器的技巧？

编辑：我主要解析“逗号分隔值”，模糊带来了这个词我的注意。

解释CSV块是这里的主要问题。

我知道如何将文件读取为String[]和String[]一些基本function，但我不认为使用像contains()这样的方法并逐字符地分析所有内容都可行。

有什么方法可以更聪明地做到这一点？

一行示例：

-barfoob: boobs, foob, "foo bar"

每个人都假设你在谈论XML是有原因的：发明一种专有的基于文本的文件格式需要非常强有力的理由来面对XML解析器的成熟和易用性。

而你的问题表明你对解析器的了解很少（否则你会编写一个ANTLR或JavaCC语法而不是问这个问题） – 这是另一个反对滚动你自己的强有力的论据，除了作为一种学习经验。

由于输入“ 与HTML格式相似 ”，因此您的数据很可能使用树状结构进行最佳表示，而且很可能是XML或类似于XML。

如果是这种情况，我建议解析文件的最聪明方法是使用XML解析器。

以下是您可能会发现有用的一些资源：

HTH

如果文档是有效的XML，那么任何其他答案都将起作用。如果不是，你必须要lex 。

即使你想自己编写解析器，你也应该看看ANTLR，ANTLR是一个很好的选择。或者至少看看YAML

通过维基百科挖掘相关文章可能就足够了。

我认为java.util.Scanner会帮助你。看看http://java.sun.com/javase/6/docs/api/java/util/Scanner.html

根据您的“架构”的复杂程度，正则表达式可能就是您想要的。如果有很多嵌套，那么转换为XML或JSON并使用预构建的解析器可能最容易。

人们对标准格式是最佳实践是正确的，但让我们把它放在一边。

假设您给出的示例具有代表性，则该任务非常简单。

您将显示一行，其中包含一个初始标记，用冒号空格标记，然后是逗号分隔值列表。在第一个冒号空间分开，然后在右边的部分使用split（）。处理报价也是微不足道的。

在查看您的示例输入后，我看不到与HTML或XML的任何相似之处：

-barfoob: boobs, foob, "foo bar"

如果这是您要解析的内容，我有一个替代建议，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剩余部分。您需要稍微重构一下格式才能使其正常工作，所以这取决于您。

barfoob=boobs, foob, "foo bar"

Java属性将能够返回barfoob作为属性名称，并且boobs, foob, "foo bar"作为属性值。您可以使用自定义代码将属性值拆分为boobs ， foob和foo bar 。

我强烈建议不要重新发明轮子并使用现有的解决方案，如Flatworm ， Fixedformat4j或jFFP ，它们都可以解析位置或逗号分隔值文件（个人而言，我推荐Flatworm）。

您可以在某种程度上使用Neko HTML解析器。这取决于它如何处理非标准HTML。

如果XML有效，我个人更喜欢使用http://www.xom.nu，因为它具有很好的DOM模型。但正如所指出的，J2SE中有解析器。