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
本文转自叶小钗 h数据之巅博客园博客，原文链接：http://www.cnblogs.com/asxinyu/p/Parse_String_Splite_NotJsonMapper.html，如需转载请自行联系原作者