lua标签解析器

lua 标签解析器

---

概述

---

一个类xml标签解析函数，将标签解析成Lua中的表结构
它可以用来解析简单xml结构，可以作为RichLabel控件的字符串解析组件(其实它现在就是这么用的;-))

原理

---

使用lua的模式匹配, 使用了模式串%b<>
%b用来匹配对称的字符。常写为 %bxy，x和y是任意两个不同的字符。 x作为匹配的开始，y作为匹配的结束。
比如，%b<> 匹配以 < 开始，以 > 结束的字符串

要解析的字符串

hello world
<div>hello world</div>
你好
<div fontName='nihao' fontColor=#ffccdd>hello,world</div>
<div></div>

代码基本结构

-- 迭代所有格式为<xxx>的标签(包含了标签头和标签尾巴)
local index = 0
for beginindex, endindex in function() return string.find(text, "%b<>", index) end do
    local label = string.sub(text, beginindex, endindex)
    index = endindex + 1
end

上面获得的beginindex和endindex分别是标签的在字符串中开始和结束的index值 但并不区分标签头和标签尾，
还得判断标签到底是标签头还是标签尾。

-- 获得当前标签，字符串截取出来
local label = string.sub(text, beginindex, endindex)
-- 判断当前标签是不是以'</'开头，若是以'</'开头则代表为标签尾巴，否则为标签头
if string.find(label, "^</") then
else
end

至此已经可以在正确的从字符串中提取所有的标签，并且区分出标签头和标签尾了

处理标签匹配问题
为了支持标签嵌套包含，我们得用一个栈记录标签头，要不然嵌套好几层标签不好判断内容被哪个标签修饰。
具体做法：
+ 若当前标签是标签头则将栈顶标签，到新标签头之间内容用栈顶标签修饰，并且将当前标签入栈
+ 若当前标签是标签尾则将栈顶标签，到新标签尾之间内容用栈顶标签修饰，并将栈顶标签出栈
简单来说：
栈顶标签修饰当前的内容(新标签和栈顶标签之间的内容) ，然后根据新标签是头还是尾决定入栈或出栈

我们没有考虑特殊情况，若字符串最完成不是标签那最外层处理会存在点问题。
好吧，那我们可以直接在字符串外层加上一组标签。

-- 检测开头和结尾是否为标签 <xxx>即为标签
if not string.find(text, "^%b<>.+%b<>$") then
    -- 在最外层包装一个标签，便于解析时的统一处理，不用处理没有包装标签的情况
    text = table.concat({LABEL_DIV_BEGIN, text, LABEL_DIV_END})
end

 

现在我们解析出了内容和修饰内容的标签，离成功不远了！！

解析标签头
这应该是最简单的一部，但又是最繁琐的一步。
因为标签头内容很少了，格式也确定了，只要提取出标签名和属性的key-value对就可以了
不过提取属性key-value对比较繁琐，要考虑value的种种可能，当然我考虑的并不全面也没打算那么全面，只要功能够用就可以了

第一步
解析出标签名，简单的模式匹配

local labelnameindex1, labelnameindex2 = string.find(label, "%w+")

因为我们要解析的串大多是手写，为了减小书写难度，标签名属性名最好不区分大小写

-- 获得标签名称
local labelname = string.sub(label, labelnameindex1, labelnameindex2)
labelname = string.lower(labelname)

第二步
获取属性，还是模式匹配，匹配形式为 propertyname=propertyvalue（等号两边不能存在空格）
propertyname 要求就是字母或者数字的组合
propertyvalue 要求就比较多, 因为颜色使用的是web的标记形式#FF33AA, 而且字符串也可能是'括起来表示。
%w: 与任何字母/数字配对
%s: 与空白字符配对

-- value要求非空白字符并且不含有'>'字符的一个单词
string.gmatch(labelhead, "%w+%=[^%s%>]+")

gmatch会返回一个迭代器，每次运行都返回一个匹配串，所以我们这么写

for property in string.gmatch(labelhead, "%w+%=[^%s%>]+") do
end

在循环中我们可以处理每个属性对字符串无非就是根据=位置分离出属性名和属性值，属性名不需要处理，
把属性值做一下处理然后放到一个table中就好了，处理如下：

local equalmarkpos = string.find(property, "=")
-- 分离属性名和属性值
local propertyname = string.sub(property, 1, equalmarkpos-1)
local propertyvalue = string.sub(property, equalmarkpos+1, string.len(property))
-- 属性名转为小写
propertyname = string.lower(propertyname)
-- 属性值处理
local continue = false
-- 1.检测是否为字符串(单引号或者双引号括起来)
local beginindex, endindex = string.find(propertyvalue, "['\"].+['\"]")
if beginindex then
    propertyvalue = string.sub(propertyvalue, beginindex+1, endindex-1)
    continue = true
end
-- 2.检测是否为布尔值
if not continue then
    local propertyvalue_lower = string.lower(propertyvalue)
    if propertyvalue_lower == BOOLEAN_TRUE then 
        propertyvalue = true 
        continue = true
    elseif propertyvalue_lower == BOOLEAN_FALSE then 
        propertyvalue = false 
        continue = true
    end
end
-- 3.检测是否为数字
if not continue then
    local propertyvalue_number = tonumber(propertyvalue)
    if propertyvalue_number then 
        propertyvalue = propertyvalue_number 
        continue = true
    end
end
-- 若以上都不是，则默认直接为字符串
labelparams[propertyname] = propertyvalue

顺便吐槽一下lua没有关键字continue,造成程序嵌套层次变深

最后完整代码在我的github上面叫labelparser，lua5.1解析器可以直接运行，无需任何依赖

------------------------------------------------------------------------------------------------

14-11-20：更新v1.0.1

1. 标签解析器原来没有支持自闭合标签，例如：<img src='path/img.png' />
2. 去除setfenv函数的使用，这样lua5.2也可以直接使用了

今天晚上突然兴起决定添加上自闭合的支持，其实也很简单，首先主循环发生了改变：

local beginindex, endindex = string.find(text, "%b<>", 1)
    while beginindex do
        -- 获得当前标签
        local label = string.sub(text, beginindex, endindex)

        -- 检测字符串是否以"</"开头
        if string.find(label, "^</") then
            -- 标签尾
            _M.disposeLabelTail(labelheadstack, parsedtable, text, label, beginindex, endindex)
        elseif string.find(label, "/>$") then -- 检测以'/>'结尾
            -- 自闭合标签
            _M.disposeLabelSelfClosing(labelheadstack, parsedtable, text, label, beginindex, endindex)
        else-- 检测到标签头
            _M.disposeLabelHead(labelheadstack, parsedtable, text, label, beginindex, endindex)
        end
        -- 获得下一个标签的位置
        beginindex, endindex = string.find(text, "%b<>", endindex)
    end

主循环这里添加了一个自闭合标签的判断，然后相关的标签处理都提取出去了，主要有两点原因：

1. 自闭合标签的处理其实是使用了标签头和标签尾处理一样的代码，为了代码重用
2. 三个分支再加上嵌套会使主循环嵌套过深，逻辑不清晰

参数着实不少，不过逻辑清晰了很多，主循环结构一目了然(本来也没多少行代码;-))

自闭合标签为什么加在中间呢？

自闭合标签的条件，不能以'</'开头，并且要以'/>'结尾，所以加在中间比较好判断这个条件

下面看看自闭合标签的处理，更加简单

-- 处理自闭合标签
function _M.disposeLabelSelfClosing(labelheadstack, parsedtable, text, label, beginindex, endindex)
    _M.disposeLabelHead(labelheadstack, parsedtable, text, label, beginindex, endindex)
    _M.disposeLabelTail(labelheadstack, parsedtable, text, label, beginindex, endindex, true)
end

直接调用处理标签头和标签尾的函数，就可以了

因为处理自闭合标签和处理一对儿有些相似之处，可以直接使用处理一对儿标签方法直接处理自闭合标签

(虽然这样处理自闭合标签过程有些冗余，但是无需专门的代码处理自闭合标签)

首先，碰到自闭合标签之后，要将自闭合标签之前内容使用栈顶标签头修饰

然后标签头可以入栈，然后又直接是标签头出栈，修饰栈顶标签到当前标签直接内容，由于两个标签是同一个标签，

它们之间内容为空，直接处理这个标签属性即可

这样其实就差不多了，具体代码还是参照github