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。
1.不规则非json字符串
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:
2.键值对字符串分割函数
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。
3.复杂Json格式的字符串
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:
4.标准的json格式
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。
5.总结
虽然过程很简单,也许有更简单的办好,直接和实体类映射,json反序列化更方便,但有时候没有实体类,也挺麻烦。特别是这种变态复杂的,jsonmap直接处理不知道行不行。总之本文的目的是尽可能使用简单原始的方法来解决问题,也是一个思路。虽然有时候我很懒,喜欢用开源组件,但有的时候一旦用上原始的了,也不喜欢改了。
字符串分析处理的过程虽然繁琐,但基本都是比较简单的,细致一点,都不是事。
最后把这个测试的源代码发上来,大家别忘了点赞哦。。。
源代码:SpliteAsDictionaryDemo.rar