趣味编程：从字符串中提取信息
2009-10-12 14:20 Jeffrey Zhao 阅读(22394) 评论(108) 编辑 收藏 举报字符串解析是程序员工作中非常重要的一部分，也是非常考验编程能力的工作。基本上我在面试程序员的时候，一定会出一道编程题目作为考察的一方面，而这道题目有很大的可能性是做字符串的解析。例如，给出一个模式规则，要求写程序判断某个字符串是否符合特定格式。例如，要求将BB Code转化为HTML。而现在这个趣味编程题，来自于我目前正在进行的项目。因此从实用角度来说，也有一定现实意义。
这个标题基本上没有包含多少信息，不过我也实在不知道该如何描述这个问题。这个任务是要从一个字符串中提取一些信息，于是我们先来定义概念：
首先是“token”，token是最小的信息单元，我们可以把它当作是一个字符串来处理。而多个token则组成了一个token group，token group之间的各token使用“-”进行分割。例如，以下便定义一个了token group：
jeffz-hello-world
一个token group可以用一个字符串数组或列表来表示，例如上面的字符串则表示一个包含三个token的token group，分别是jeffz，hello和world。多个token group则可以组成一整个字符串信息，我们把它称为text。一个text中的各个token group使用“--”进行分割，例如：
group1-hello--group2-world
一个text可以认为是token group的数组或列表。因此，最终从一个text中提取到的信息，则可以用一个字符串数组的列表来表示。例如，以上的text的信息其实就类似于：
new List<string[]> { new string[] { "group1", "hello" }, new string[] { "group2", "world" } }
不过您想到这样一个问题：“-”是作为分割符使用的，但如果一个token中本身需要包含“-”又该如何呢？于是，我们又引入了单引号，被一组单引号包裹的token，其中所有的“-”被当作是普通的字符处理，不作为分隔符。例如：
jeffz-'hello-world'
这样一个字符串所表示的text，它包含一个token group，其中有两个token：
new List<string[]> { new string[] { "jeffz", "hello-world" } }
但是，既然单引号也有特殊含义了，那么一个token中又如何表示一个单引号呢？于是乎，我们再定义一个规则，如果一个token中需要包含单引号的话，我们需要使用单引号来包含这个token，并且token中的单引号变成两个单引号。例如：
jeffz-'hello''''world'
它所表示的数据即为：
new List<string[]> { new string[] { "jeffz", "hello''world" } }
text中包含四个单引号，但是表示的数据中只有两个单引号，这就是我们的“转义”规则。还有值得注意的是，如果token中需要包含单引号或“-”，那么这个token在表示的时候一定需要用一对单引号包裹起来——这也是为了“简化规则”。
这次的“趣味编程”便是希望写一个方法，从text中提取出“数据”，也就是一个List<string[]>，我们假设所有的输入都是正确的。
那么，这个规则又有什么含义呢？在我的项目中，这个字符串被当作是产品查询页面的URL，表示的自然是产品的查询条件。由于查询条件非常的丰富，还会根据不同的分类有所改变，因此在URL中表现查询条件非常的麻烦。例如，淘宝的查询页面URL便是这样的：
http://search1.taobao.com/browse/0/n-g,geytami-g,geytami-------1------7------------------4----0--------------------g,ojsxgzlsozsv64dsnfrwkwzvgaydalbzhe4tsxi---g,whflzr5rxy-------2-------b--40--coefp-0-all-0.htm?search_multi_condition=1&ssid=s1#ListView
但是，这个URL对于某个人来说几乎没有任何可读性。普通用户对此的关注度自然小很多，但是这样的URL也会给开发人员的工作造成不小的麻烦。在我看来，有一个相对易读的规则还是很重要的。此外，据说URL中的关键字对于SEO也很有帮助（当然这点我不确定）。因此，我们设计了本文这种“自洽”的数据表示方式。如果您足够“敏感”的话，会发现作为特殊字符的单引号或是“-”符号，它们在URL上是不需要转义的——这也是我们为它们赋予特殊含义的原因。
于是现在，我们便可以使用这样的URL字符串来表示一个查询条件了：
cpu-3.0g--color-red-green-black--price-5000-8000--weight-'3-'--keywords-'levi''s'
这个text拆开后的得到的数据便是：
new List<string[]>
{
new string[] { "cpu", "3.0g" },
new string[] { "color", "red", "green", "black" },
new string[] { "price", "5000", "8000" },
new string[] { "weight", "3-" },
new string[] { "keywords", "levi's" },
}
于是这个查询条件便是：CPU为3.0G，颜色为红、绿或黑，价格在5000到8000，重量在3千克内，并包含“levi's”关键字的……笔记本？
