文本解析

一、分行遍历匹配结果

函数原型：

string.each(str,pattern,lineDelimiter)

与 string.match 等模式匹配函数不同，string.each 会将文本按行拆分，然后返回一个迭代器，用于在 for in 语句中循环且逐行匹配字符串并且循环返回结果。

参数 str 指定要处理的字符串。
参数 pattern 指定模式匹配串，查找模式串中可用圆括号创建捕获分组自定义迭代器返回值个数，如果不指定捕获组则迭代器直接返回找到的字符串。

示例：

import console; 

var str = /*
属性名1: 属性值1
属性名2: 属性值2
属性名3: 属性值3
*/

for k,v in string.each(str,"(.+?)\s*\:\s*(.*)") { 
    console.log(k,v)
} 
console.pause();

二、分行拆分文本 #

我们遇到的很多需要解析的文本都以是行为单位的。

最常见的例如 CSV 格式，CSV 格式可以用 aardio 标准库中的 string.csv 解析。

但是我们还会遇到很多其他格式的分行文本，这时候我们可以使用 string.lines 函数进行解析。

函数原型：

string.lines(str,lineDelimiter,columnSeparator,maxColumns)

说明：

string.lines 用于创建一个迭代器，用于 for in 语句中循环按行拆分字符串并返回拆分结果。

参数 str 指定要解析的字符串。
参数 lineDelimiter 用于指定换行标记，支持模式匹配语法。
参数 columnSeparator 用于指定列分隔符，支持模式匹配。如果指定了列分隔符则每次迭代返回的都是数组，否则返回的是字符串。
参数 maxColumns 用于限定拆分的最大列数，注意这个参数仅在指定 columnSeparator 参数时有效。

string.lines 实际上相当于调用并增强了 splitEx 的功能，参数用法与 splitEx 是一致的，例如在分隔符中同样支持捕获组并作如下处理：

模式串尾部有 $ 符号，则捕获组放到上个拆分结果尾部。
模式串头部有 ^ 符号，则捕获组放到下个拆分结果头部。
模式串头部有 ^ 符号并且尾部有 $ 符号，则捕获组将由迭代器返回为单独的拆分结果，紧随其后的第二个返回值为 true 以表明该拆分结果是一个分隔符。调用代码格式为 for line,isSeparator in string.lines(str,"^(分隔符)$"){ } 这个特性被用于实现文本分句的 string.sentences 库。

下面看一个简单的调用示例：

import console; 

var str = /*
abc,def,xyz
abc2,def2,xyz2
abc3,def3,xyz3
*/

for( line in string.lines(str,,"[\s,;=]") ){ 
    console.log(line[1],line[2],line[3])
} 
console.pause();

以上代码用于循环遍历每一行用空格键、制表符(tab)、逗号、分号或等号拆分出来的字符串数组。

我们可以将迭代器直接传入 table.array 以快速转换为数组，例如：

var str  = /*
abc,def,efg
123,456,789
*/

//转换为数组
var array = table.array( , string.lines(str,,",") )

如果迭代器传入 table.array 的第 2 个参数，则取迭代器的首个循环返回值作为数组元素。

三、解析字符串属性表 #

字符串属性表是一种很常见的文本格式。

示例：

属性名1: 属性值1
属性名2: 属性值2
属性名3: 属性值3
array[]: 数组项1
array[]: 数组项2
array[]: 数组项3

格式说明：

每行为一个单位，属性值不能跨行，引号等仅作为字面值解析。
名值对之间用 : 或 = 分隔，忽略分隔等前后的空白字符。
键名后可用空下标表示添加值到数组。
某些程序里允许在行首用 # 或 ; 标明一个需要被忽略的注释。

aardio 提供了 string.table 用于快速解析这样的文本并返回一个表对象。

示例：

import console; 

var str = "
属性名1: 属性值1
属性名2: 属性值2
属性名3: 属性值3
array[]: 数组项1
array[]: 数组项2
array[]: 数组项3
"

//解析为表对象
var propTable = string.table(str);

//输出结果
console.dump(propTable);

console.pause();

string.table 的函数原型为：

string.table(str,nameValueSeparator,lineDelimiter,inlineComment)

除了第一个参数，其他参数都是可选的。
可选参数 nameValueSeparator 用于指定键值分隔符，已默认指定为 \s*[\:=]\s* 。
可选参数 lineDelimiter 用于指定识别行分隔符的模式串，已默认指定为 <\r*\n>|\r 。
可选参数 inlineComment 为 true 时允许在键值对后面以空白字符加 # 或 ; 引导行内注释。

string.table 仅支持以行为单位的字符串属性表。而标准库 string.list 则允许在属性值中用引号包含跨行的引用段（用引号或括号等包围的字符串值），以及更多其他特性。

实际上字符串属性表就是 INI 文件里的一个小节内部的格式。 aardio 仅需数句代码就可以实现解析 INI 文件格式的功能，示例：#

var str  = /*
; 这是注释
[小节名]
键 = 值
数组[] = 数组值
数组[] = 数组值2

[.子节]
键 = 值

[小节名.子节2]
键2 = 值2
*/

var tab = {}

var sectionName="";
for line,isSectionName in string.lines(str,"^!\N\s*\[\s*(\N+?)\s*\]\s*<[#;]\N*>? *!\n$"){
    if(isSectionName){ 
        sectionName = line[1]=='.'#? (sectionName++line) : line;
    }
    elseif(#sectionName){
        var section = string.table(line);
        table.setByNamespace(sectionName,section,tab); 
    }  
} 

import console.int;
console.dumpJson(tab)

以上就是标准库 string.ini 解析 INI 文件的主要代码。

四、解析更多文本格式

aardio 解析文本非常方便，标准库提供了很多解析各种格式的库，代码量都很少。

web.json 库参考 JSON 格式。
string.csv 库参考 CSV 格式。
string.xml 库参考 XML 格式。
string.html 库参考 HTML 格式。
Lstring.list 库参考 LIST 格式。

更多其他格式请查看相关库参考与范例。

Markdown 格式