詳解.NET字符串解析的具體過程
.NET字符串解析，在平常的開發(fā)工作中很長見，但是不一定大家都能完成好。希望通過本文，能使大家對.NET字符串解析有一個深刻的理解。
.NET字符串解析是程序員工作中非常重要的一部分，也是非?？简灳幊棠芰Φ墓ぷ鳌；旧衔以诿嬖嚦绦騿T的時候，一定會出一道編程題目作為考察的一方面，而這道題目有很大的可能性是做字符串的解析。例如，給出一個模式規(guī)則，要求寫程序判斷某個字符串是否符合特定格式。例如，要求將BB Code轉(zhuǎn)化為HTML。而現(xiàn)在這個趣味編程題，來自于我目前正在進行的項目。因此從實用角度來說，也有一定現(xiàn)實意義。
這個標題基本上沒有包含多少信息，不過我也實在不知道該如何描述這個問題。這個任務(wù)是要從一個字符串中提取一些信息，于是我們先來定義概念：
首先是“token”，token是最小的信息單元，我們可以把它當作是一個字符串來處理。而多個token則組成了一個token group，token group之間的各token使用“-”進行分割。例如，以下便定義一個了token group：
- jeffz-hello-world
一個token group可以用一個字符串數(shù)組或列表來表示，例如上面的字符串則表示一個包含三個token的token group，分別是jeffz，hello和world。多個token group則可以組成一整個字符串信息，我們把它稱為text。一個text中的各個token group使用“--”進行分割，例如：
group1-hello--group2-world一個text可以認為是token group的數(shù)組或列表。因此，最終從一個text中提取到的信息，則可以用一個字符串數(shù)組的列表來表示。例如，以上的text的信息其實就類似于：
- new List<string[]> { new string[] { "group1", "hello" }, new string[] { "group2", "world" } }
不過您想到這樣一個問題：“-”是作為分割符使用的，但如果一個token中本身需要包含“-”又該如何呢？于是，我們又引入了單引號，被一組單引號包裹的token，其中所有的“-”被當作是普通的字符處理，不作為分隔符。例如：
jeffz-'hello-world'這樣一個字符串所表示的text，它包含一個token group，其中有兩個token：
- new List<string[]> { new string[] { "jeffz", "hello-world" } }
但是，既然單引號也有特殊含義了，那么一個token中又如何表示一個單引號呢？于是乎，我們再定義一個規(guī)則，如果一個token中需要包含單引號的話，我們需要使用單引號來包含這個token，并且token中的單引號變成兩個單引號。例如：
jeffz-'hello''''world'它所表示的數(shù)據(jù)即為：
- new List<string[]> { new string[] { "jeffz", "hello''world" } }
text中包含四個單引號，但是表示的數(shù)據(jù)中只有兩個單引號，這就是我們的“轉(zhuǎn)義”規(guī)則。還有值得注意的是，如果token中需要包含單引號或“-”，那么這個token在表示的時候一定需要用一對單引號包裹起來——這也是為了“簡化規(guī)則”。
這次的“趣味編程”便是希望寫一個方法，從text中提取出“數(shù)據(jù)”，也就是一個List<string[]>，我們假設(shè)所有的輸入都是正確的。
那么，這個規(guī)則又有什么含義呢？在我的項目中，這個字符串被當作是產(chǎn)品查詢頁面的URL，表示的自然是產(chǎn)品的查詢條件。由于查詢條件非常的豐富，還會根據(jù)不同的分類有所改變，因此在URL中表現(xiàn)查詢條件非常的麻煩。例如，淘寶的查詢頁面URL便是這樣的：
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，這個URL對于某個人來說幾乎沒有任何可讀性。普通用戶對此的關(guān)注度自然小很多，但是這樣的URL也會給開發(fā)人員的工作造成不小的麻煩。在我看來，有一個相對易讀的規(guī)則還是很重要的。此外，據(jù)說URL中的關(guān)鍵字對于SEO也很有幫助（當然這點我不確定）。因此，我們設(shè)計了本文這種“自洽”的數(shù)據(jù)表示方式。如果您足夠“敏感”的話，會發(fā)現(xiàn)作為特殊字符的單引號或是“-”符號，它們在URL上是不需要轉(zhuǎn)義的——這也是我們?yōu)樗鼈冑x予特殊含義的原因。
于是現(xiàn)在，我們便可以使用這樣的URL字符串來表示一個查詢條件了：
- cpu-3.0g--color-red-green-black--price-5000-8000--weight-'3-'--keywords-'levi''s'
這個text拆開后的得到的數(shù)據(jù)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" },}
于是這個查詢條件便是：CPU為3.0G，顏色為紅、綠或黑，價格在5000到8000，重量在3千克內(nèi)，并包含“l(fā)evi's”關(guān)鍵字的……筆記本？
您也來試試看吧！
原文標題：趣味編程：從字符串中提取信息
鏈接：http://www.cnblogs.com/JeffreyZhao/archive/2009/10/12/code-for-fun-tokenizer.html
【編輯推薦】
