解析 JSON 类型的字符串答案

【问题标题】：Parsing a String That's Kind of JSON解析 JSON 类型的字符串
【发布时间】：2017-06-05 18:54:54
【问题描述】：

我有一组 JSON 格式的字符串，但完全不符合 JSON 标准。它也是一种 CSV，但值本身有时带有逗号。

字符串如下所示：

ATTRIBUTE：这个属性的值，ATTRIBUTE2：另一个值，但是这个有逗号，ATTRIBUTE3:，另一个值...

我能看到的唯一两种最有效的模式是属性名称大写，后跟一个 : 和空格。在第一个属性之后，模式是 , name-in-caps : space。

数据存储在 Redshift 中，所以我想看看是否可以使用正则表达式来解决这个问题，但我的正则表达式知识有限 - 我该从哪里开始？

如果没有，我会求助于 python hacking。

【问题讨论】：

首先，问问自己：“我想从我的输入中检索什么？”。之后，您可以搜索如何执行此操作。很好，您注意到输入中有一个“模式”，您可以在其上编写正则表达式。
我本质上想检索一个干净的可访问键/值存储，我可以分析或转换为列数据集。答案可能只是：我需要学习正则表达式。
我不介意帮忙。 ;) 您想为正则表达式使用哪种语言？您可以编辑您的问题以添加您在 cmets 中编写的所有信息。
冒号是否出现在ATTRIBUTE和Value之间以外的任何地方？

标签： json regex

【解决方案1】：

您所描述的内容类似于：

^([A-Z\d]+?): (.*?), ([A-Z\d]+?): (.*?), ([A-Z\d]+?): (.*)$

虽然这个答案意味着您的第三个属性值实际上并不是以逗号开头，并且您的属性名称可以计算数字。

如果我们采取这个装置：

[A-Z\d]大写字母和数字
+?: 任意数量，直到第一个 :
(.*?), 一个空格，然后是所需的任意多个字符，直到 coma 和一个空格
^ 和 $ 分别是字符串的开头和结尾

剩下的就是这种模式的重复。

( ) 仅用于标识您的捕获部分，在这种情况下，它们不会直接影响匹配。

Here's a working example

【讨论】：

您的答案不起作用，它将选择第一个大写字母后跟冒号和空格后的所有字符串（即Value of this attribute, ATTRIBUTE2: Another value, but this one has a comma in it, ATTRIBUTE3:, another value。
你是对的，虽然给出的例子似乎并不代表需求，因为例子中还有数字，第三个值以逗号开头...... Thie会更好地匹配数字的存在，三个属性，但不是逗号[A-Z\d]+?:\s(.*?), [A-Z\d]+?:\s(.*?), [A-Z\d]+?:\s(.*?)
让我们等待 OP 澄清它的需求。 :)

【解决方案2】：

通常，正则表达式似乎不是正确的工具。

阅读这篇深思熟虑的帖子了解详情：https://softwareengineering.stackexchange.com/questions/223634/what-is-meant-by-now-you-have-two-problems

如果可以使用更简单的方案，请使用它！这是一种可以成功解析结构的方案，只要冒号只出现在属性和值之间，而不是在其中：

代码

static void Main(string[] args)
{
    string data = "ATTRIBUTE: Value of this attribute,ATTRIBUTE2: Another value, but this one has a comma in it,ATTRIBUTE3:, another value,value1,ATTRIBUTE4:end of file";


    Console.WriteLine();
    Console.WriteLine("As an String");
    Console.WriteLine();

    Console.WriteLine(data);

    string[] arr = data.Split(new[] { ":" }, StringSplitOptions.None);

    Dictionary<string, string> attributeNameToValue = new Dictionary<string, string>();

    Console.WriteLine();
    Console.WriteLine("As an Array Split on ':'");
    Console.WriteLine();

    Console.WriteLine("{\"" + String.Join("\",\"", arr) + "\"}");

    string currentAttribute = null;
    string currentValue = null;

    for (int i = 0; i < arr.Length; i++)
    {
        if (i == 0)
        {
            // The first element only has the first attribute name
            currentAttribute = arr[i].Trim();
        }
        else if (i == arr.Length - 1)
        {
            // The last element only has the final value
            attributeNameToValue[currentAttribute] = arr[i].Trim();
        }
        else
        {
            int indexOfLastComma = arr[i].LastIndexOf(",");
            currentValue = arr[i].Substring(0, indexOfLastComma).Trim();
            string nextAttribute = arr[i].Substring(indexOfLastComma + 1).Trim();

            attributeNameToValue[currentAttribute] = currentValue;

            currentAttribute = nextAttribute;
        }
    }

    Console.WriteLine();
    Console.WriteLine("As a Dictionary");
    Console.WriteLine();

    foreach (string key in attributeNameToValue.Keys)
    {
        Console.WriteLine(key + " : " + attributeNameToValue[key]);
    }
}

输出：

作为字符串

ATTRIBUTE：这个属性的值，ATTRIBUTE2：另一个值，但是这个有逗号，ATTRIBUTE3：，另一个值，value1，ATTRIBUTE4：文件结束

作为 ':' 上的数组拆分

{"ATTRIBUTE","这个属性的值,ATTRIBUTE2","另一个值，但是这个有逗号,ATTRIBUTE3",",另一个值,value1,ATTRIBUTE4","文件结束"}

作为字典

ATTRIBUTE : 该属性的值

ATTRIBUTE2 : 另一个值，但这个值中有一个逗号

ATTRIBUTE3 : ，另一个值，value1

ATTRIBUTE4 : 文件结束

【讨论】：