經常采集數據，肯定會碰到解析字符串，包括整個頁面的html，或者json以及一些不標准的json格式。。。
以前用json序列化，有時候需要實體類，有的時候沒有，比較麻煩，聽說可以用JsonMapper，解析為字典格式。不過沒用過，習慣了用最原始的方法來解析字符串，所以這里分享幾個解析的案例。也許會有點作用。
解析字符串最常用的應該是Splite和Replace了。分割，然后替換一些引號之類的。最后組合。特別是采集的時候，經常會把html頁面中某一段要提取出來，可能很多人用正則表達式，可是不會啊，也不願意去學。那只好用這些原始的方法了，時間久了，也積累一些經驗或者函數。看看幾個例子。
1.不規則非json字符串
先看看這個例子，字符串是連在一起，沒有換行的，為了方便觀察，換行了，程序是原始在一起的：
[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]
先來分析一下這個字符串的特點，才能找到思路哦：
1.每一組數據都是在[]括號對中，每一組數據用,號分割，所以最終要形成一個數組來訪問哦。
2.每一組的數據基本都是用 ， 號分割，字符串類型還有單引號 ；
3.第7個數組是一個整體，也使用,號分割，整體是字符串有引號；
4.第2組數據有空值，直接用,號分割，所以splite的時候不能去掉空值，否則數組長度不一樣，定位就亂了。
既然分析都完了，那思路呢？
1.組直接分割使用 ], 標記，然后每一組要Repalce掉 [ 和 ] 。主要是最前和最后；
2.組內分割，使用 ，號標記分割，出來之前要把單引號給 替換掉 ；不然也是作為字符串，引號也包括進去了；
3.至於那個 數組 的處理，不能過於想復雜，分割之后，直接在最后增加1個元素，將固定位置7-12的組合起來；這樣也許方便點；
4.由於空值有占位，所以每一組的長度是固定的。所以處理的時候直接根據自己想要的位置來組合。
下面看看代碼了，C#版本，相對與一行代碼，仔細看，Linq很是一個神器，真的是神奇。。。說多了都是淚，為啥就沒早點學呢：
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) //先整體分割組
.Select(n => n.Replace("[", "") //以下是組內分割，並去掉其他干擾字符
.Replace("]", "")
.Replace("\'", "")
.Split(',').ToList())
.Select(n => //對中間一個整體單獨提取，進行組合，單獨增加一個元素
{
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();
看看結果怎么樣：
2.鍵值對字符串分割函數
由於json數據格式都是鍵值對字符串，所以這里特意分享一個經常用到的分割函數，不用Json組件，那就用簡單的方法做一個。這個函數來源於Newlife.Core，是X組件的重要部分。源碼部分不過多解釋，就是按規則將鍵值對直接分割保持在字典中，使用方法大家可以自己實驗一下，或者參考下面的案例，都有用到這個方法。代碼如下，為了方便使用，寫成了擴展方法：
public static class StringHelper
{
/// <summary>拆分字符串成為名值字典</summary>
/// <param name="str">要分割字符串的</param>
/// <param name="nameValueSeparator">鍵值對的分隔符</param>
/// <param name="separators">分割字符</param>
/// <returns>鍵值對字典</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;
}
}
上面默認的鍵值對分割符號為 = 號，根據實際情況進行修改，json格式里面一般是：冒號比較多。
3.復雜Json格式的字符串
上面的例子比較簡單，這次看一個稍微復雜點的，雖然可能用JsonMapper可以很輕易做到，但試一下最原始的方法吧。還是按照上面的思路，先分析字符串的特點：字符串是連在一起，沒有換行的，為了方便觀察，換行了，程序是原始在一起的：
{1074:['墨聯','墨聯','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','哥倫甲','COLCMA','#888500','98'],
1028:['K聯賽','K聯賽','KORL','#F75000','98'],
1297:['球會友誼','球會友誼','CF','#5691D8','98'],
2085:['奧女甲','奧女甲','AFB','#D86220','97']}
還是先分析特點，這個格式應該是json類似的了，比較規則：
-
組與之間是使用 ， 號分割；前后有｛｝括號對；觀察前后可以使用 ], 字符串將組分開；
-
鍵 是整數，鍵值是通過 ： 號分割；
-
值是一個數組，有5個元素，通過 , 號分割
-
都有單引號，需要過濾掉；其他沒有特殊情況；
代碼解決過程：
string text = @"{1074:['墨聯','墨聯','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','哥倫甲','COLCMA','#888500','98'],1028:['K聯賽','K聯賽','KORL','#F75000','98'],1297:['球會友誼','球會友誼','CF','#5691D8','98'],2085:['奧女甲','奧女甲','AFB','#D86220','97']}";
var dic = text.Replace("\'", "").Split(new String[]{"],"}, StringSplitOptions.None) //先組分割
.Select(n => n.Replace("{", "").Replace("}", "") //將組里面的干擾字符過濾掉
.Replace("[", "").Replace("]", "")
.SplitAsDictionary(":", "\"") //鍵值對處理，冒號分隔符
.ToDictionary(t => t.Key, t => t.Value.Split(',')//值再次進行分割，形成數組
)).ToArray();
看看結果如何：
4.標准的json格式
在實際的采集過，可能會碰到直接url，返回的就是json格式，比較標准。這里舉個例子，如下面這個頁面鏈接：
http://d.dacai.com/zhishu/CorrectCorp.html?matchId=1899040&matchStatusId=41
點擊開后，是這個樣子：
這個應該夠復雜了，我們分析一下，篇幅較大，源碼對照鏈接：
-
每一大組數據，是用,號分割；整體也是前后大括號對{}，有4個大類，鍵分布是：IndBodans，IndEvenGoals，IndGoalss，IndHalfFulls。
-
每一組的子類中，包括的都是同一個類型的數據，每一個子數據組都有N多個小的鍵值對，如MatchId,CorpId等等，使用},可以分割
分析完成之后如何解決，思路是類似的，先整體分割，使用},進行，然后每一個之類作為鍵，對值再次進行分割。。。形成字典列表。其中的引號也是需要過濾的，至於數值類型，實際用到那個的時候，都是根據key去找，再進行Convert轉換就可以了。看看源代碼：
var dicList = doc.Split("{\"IndBodans\":[", "],\"IndEvenGoals\":[", //大類分割
"],\"IndGoalss\":[", "],\"IndHalfFulls\":[", "]}")
.Select(n => n.Replace("\"", "").Split("},{")//對每個大類處理，先過濾，再分割為子類
.Select(k => k.Replace("{", "").Replace("}", "")//對子類過濾
.SplitAsDictionary(":", ","))//提取子類的鍵值對
.ToArray()
).ToList();//列表
看看解析的結果如何：
注意，有元素是空值的，可以不用管。至於那幾個鍵值對數組，最終屬於哪一個大類？雖然沒有直接標記出來，但是這個問題隨便加一個判斷就可以了，因為每一個類別的鍵名稱是不一樣的，看看是否包括對應的鍵就可以確定類別。
5.總結
雖然過程很簡單，也許有更簡單的辦好，直接和實體類映射，json反序列化更方便，但有時候沒有實體類，也挺麻煩。特別是這種變態復雜的，jsonmap直接處理不知道行不行。總之本文的目的是盡可能使用簡單原始的方法來解決問題，也是一個思路。雖然有時候我很懶，喜歡用開源組件，但有的時候一旦用上原始的了，也不喜歡改了。
字符串分析處理的過程雖然繁瑣，但基本都是比較簡單的，細致一點，都不是事。
最后把這個測試的源代碼發上來，大家別忘了點贊哦。。。