使用 Java 正则表达式解析 VCard

倒腾了一整天配置环境、熟悉 Java，终于差不多了。

根据 http://www.imc.org/pdi/vcard-21.txt 的规范和手头的一些实机数据，写出了以下正则：

 1//按每个联系人分开
 2private static Pattern patternVCard = Pattern.compile(
 3    "(?ms)^BEGIN:VCARD$.+?^END:VCARD$");
 4// 匹配全名
 5private static Pattern patternFullName = Pattern.compile(
 6    "(?m)^FN;(.+):([^;\\r\\n]*)*$");
 7// 匹配姓名
 8private static Pattern patternName = Pattern.compile(
 9    "(?m)^N;(.+):([^;\\r\\n]*)(?:;([^;\\r\\n]+))*.*$");
// 匹配手机
private static Pattern patternCell = Pattern.compile(
    "(?m)^TEL;(TYPE=)?(CELL|PREF).*:([\\(\\)\\d-_\\+]{1,20})$");
// 匹配工作电话
private static Pattern patternOfficePhone = Pattern.compile(
    "(?m)^TEL;(TYPE=)?WORK.*:([\\(\\)\\d-_\\+]{1,20})$");
// 匹配家庭电话
private static Pattern patternHomePhone = Pattern.compile(
    "(?m)^TEL;(TYPE=)?HOME.*:([\\(\\)\\d-_\\+]{1,20})$");
// 匹配传真
private static Pattern patternFax = Pattern.compile(
    "(?m)^TEL;(TYPE=)?FAX.*:([\\(\\)\\d-_\\+]{1,20})$");
// 匹配电子邮件
private static Pattern patternEmail = Pattern.compile(
    "(?m)^EMAIL:(.{1,100})$");
// 匹配生日
private static Pattern patternBirthday = Pattern.compile(
    "(?m)^BDAY:(\\d{4})-?(\\d{2})-?(\\d{2})$");
// 匹配地址
private static Pattern patternAddress = Pattern.compile(
    "(?m)^ADR([^:]+):(.+)$");

正则写好以后的逻辑很简单，注意各个正则匹配的时候是第几个 group 就行了。

 1Matcher matcherVCard = patternVCard.matcher(vCard);
 2Matcher matcher;
 3while (matcherVCard.find()) {
 4    // 实体类
 5    Contact contact = new Contact();
 6    
 7    // 取一个 VCard 出来
 8    String strOneContact = matcherVCard.group(0);
 9
    //全名是 group(2)
    matcher = patternFullName.matcher(strOneContact);
    if (matcher.find()) {
        contact.setFullName(matcher.group(2));
    }

    // 姓是 group(2), 名是 group(3)
    // 要注意可能会出现 group(3) = null 的情况
    matcher = patternName.matcher(strOneContact);
    if (matcher.find()) {
        // 处理姓名
        String firstname = matcher.group(2);
        String lastname = matcher.group(3);
        if (lastname == null) {
            lastname = "";
        }
        contact.setFirstname(firstname);
        contact.setLastname(lastname);
    }

    // 默认电话是 group(3)
    String cell = "";
    matcher = patternCell.matcher(strOneContact);
    if (matcher.find()) {
        cell = matcher.group(3);
        contact.setMobile(cell);
    }

    // 其他电话是 group(2)
    String officePhone = "";
    matcher = patternOfficePhone.matcher(strOneContact);
    if (matcher.find()) {
        officePhone = matcher.group(2);
        contact.setOfficePhone(officePhone);
    }

    // 省略若干电话的处理

    // 邮件是 group(1)
    String email = "";
    matcher = patternEmail.matcher(strOneContact);
    if (matcher.find()) {
        email = matcher.group(1);
        contact.setEmail(email);
    }

    // 生日的年月日分开取了
    Date birthday = new Date();
    matcher = patternBirthday.matcher(strOneContact);
    if (matcher.find()) {
        birthday.setYear(Integer.parseInt(matcher.group(1)));
        birthday.setMonth(Integer.parseInt(matcher.group(2)));
        birthday.setDate(Integer.parseInt(matcher.group(3)));
        contact.setBirthday(birthday);
    }

    String address = "";
    matcher = patternAddress.matcher(strOneContact);
    if (matcher.find()) {
        address = matcher.group(2);
        contact.setAddress(address);
    }
    
    // 省略其他处理
}

现在想起来，主要是在配置 Java 环境，还有调试正则表达式的地方花了时间。需要注意的几点：

Java 不支持形如 (<?name>.+ ) 的分组命名，这个很不方便，而且调试错卡了一段时间。

使用形如 (?m) 的前缀配置模式，代码长度减少了不少，不知道性能上会有多大损失。

开启  CASE_INSENSITIVE 和 UNICODE 都会降低速度。

StringBuilder 比 StringBuffer 快，但是前者不支持多线程。

另外，推荐一款 Java 下的正则表达式验证工具：JRegexpTester 。虽然时常死掉，并且功能不多，但是 Find 用起来还算方便，并且勾选了 Combilation 之后，验证过的代码直接拿来就能用，不用再费劲的加转义字符了。对 RegLib 的支持也不错。

.NET 下当然用 The Regulator 啦。RegexBuddy 虽然支持巨多语言，并且口碑也很好（帮助文件尤其厉害），但是要付 USD 39.95 才能用，不是我等贫民的首选。（Crack？能用Crack就不算贫民啦）