需要帮助在 Java 中解析文件

Question

我目前正在做一个小型数据结构项目，我正在尝试获取全国大学的数据；然后对它们进行一些数据操作。我在这里找到了这个数据：http://archive.ics.uci.edu/ml/machine-learning-databases/university/university.data

但是，这个数据的问题是（我从网站上引用）：“它是一个 LISP 可读文件，在数据文件的末尾有一些相关的功能。”我计划获取这些数据并将其保存为 .txt 文件。

文件看起来有点像：

(def-instance Adelphi
      (state newyork)
      (control private)
      (no-of-students thous:5-10)
      (male:female ratio:30:70)
      (student:faculty ratio:15:1)
      (sat verbal 500)
      (sat math 475)
      (expenses thous$:7-10)
      (percent-financial-aid 60)
      (no-applicants thous:4-7)
      (percent-admittance 70)
      (percent-enrolled 40)
      (academics scale:1-5 2)
      (social scale:1-5 2)
      (quality-of-life scale:1-5 2)
      (academic-emphasis business-administration)
      (academic-emphasis biology))
(def-instance Arizona-State
      (state arizona)
      (control state)
      (no-of-students thous:20+)
      (male:female ratio:50:50)
      (student:faculty ratio:20:1)
      (sat verbal 450)
      (sat math 500)
      (expenses thous$:4-7)
      (percent-financial-aid 50)
      (no-applicants thous:17+)
      (percent-admittance 80)
      (percent-enrolled 60)
      (academics scale:1-5 3)
      (social scale:1-5 4)
      (quality-of-life scale:1-5 5)
      (academic-emphasis business-education)
      (academic-emphasis engineering)
      (academic-emphasis accounting)
      (academic-emphasis fine-arts))

      ......

The End Of the File:

(dfx def-instance (l)
  (tlet (instance (car l) f-list (cdr l))
    (cond ((or (null instance) (consp instance))
           (msg t instance " is not a valid instance name (must be an atom)"))
          (t (make:event instance)
             (push instance !instances)
             (:= (get instance 'features)
                 (tfor (f in f-list)
                   (when (cond ((or (atom f) (null (cdr f)))
                                (msg t f " is not a valid feature "
                                       "(must be a 2 or 3 item list)") nil)
                               ((consp (car f))
                                (msg t (car f) " is not a valid feature "
                                     "name (must be an atom)") nil)
                               ((and (cddr f) (consp (cadr f)))
                                (msg t (cadr f) " is not a valid feature "
                                     "role (must be an atom)") nil)
                               (t t)))
                   (save (cond ((equal (length f) 3)
                                (make:feature (car f) (cadr f) (caddr f)))
                               (t (make:feature (car f) 'value (cadr f)))))))
             instance))))

(set-if !instances nil)



(dex run-uniq-colleges (l n)
  (tfor (sc in l)
    (when (cond ((ge (length *events-added*) n))
                ((not (get sc 'duplicate))
                 (run-instance sc)
~                 (remprop sc 'features)
                 nil)
                (t (remprop sc 'features) nil)))
    (stop)))

我最感兴趣的数据是学生人数、学术重点和学校名称。

非常感谢任何帮助。

Answer 1

您可以处理/使用 Lisp 文件解析器，或者您可以忽略它所使用的语言并专注于数据。你提到你需要：

• 学校名称
• 学生人数
• 学术重点

您可以grep 相关关键字（def-instance、no-of-students、academic-emphasis），这将使您获得（基于您的示例）：

(def-instance Adelphi
      (no-of-students thous:5-10)
      (academic-emphasis business-administration)
      (academic-emphasis biology))
(def-instance Arizona-State
      (no-of-students thous:20+)
      (academic-emphasis business-education)
      (academic-emphasis engineering)
      (academic-emphasis accounting)
      (academic-emphasis fine-arts))

这简化了特定解析器的编写（def-instance 后跟名称，然后下一个 def-instance 之前的所有学术重点和 no-of-students 都引用之前定义的名称）

Answer 2

您是否考虑过在 Java VM 的 Lips 解释器中运行该 Lisp 文件？

例如，与 JSR-223 兼容的 Armed Bear Common Lisp 会很乐意解析您的文件。

使用 JSR-233，您将能够访问脚本定义的变量（如 Adephi 和其他变量），如 examples 显示。

编辑来自评论请求，一些补充解释（尽管对我来说似乎很简单）。

所以，假设你的类路径中有 Armed Bear Common Lisp，file 是你的脚本的绝对文件名（这个例子很大程度上是受JSR-223 example 启发/借用的）。

首先，安装脚本引擎

ScriptEngineManager scriptManager = new ScriptEngineManager();
scriptManager.registerEngineExtension("lisp", new AbclScriptEngineFactory());
ScriptEngine lispEngine = scriptManager.getEngineByExtension("lisp");

然后，在脚本引擎中加载您的脚本

Object eval = lispEngine.eval(new FileReader(file));

现在，带着一个小调试器，去看看里面有什么（我没有勇气安装所有的环境来为你完成这项工作）

Answer 3

如果您要解析 lisp，则需要注意“堆栈”。

当您遇到( 时，您会压入堆栈。您现在处于一个新的范围内，比以前高一级。

类似地，当您遇到) 时，您会从堆栈中弹出 - 完成该层并下一层。

所以在这种情况下，您处于空状态开始。您遇到的第一件事是(，所以现在您处于“定义”状态。 （我只是编出来的。随便你怎么称呼它。）你遇到了 def-instance 标记，然后是大学的名称。您继续阅读并遇到另一个(（忽略空格，只解析标记。）这使您处于属性状态。 （我也编造了。）既然你是从定义跳到属性，现在就可以创建你的对象了。 UnivData data = new UnivData(parsedToken) 之类的东西（其中 parsedToken 的计算结果为“Adelphi”。

好的，回到属性 - 您首先阅读了 (，然后阅读了“state”和“newyork”，然后是另一个 )。因此，您可以将当前 UnivData 的状态变量分配给 newyork。

您对所有属性重复此行为，但在学术强调之后您会遇到额外的)。这是您关闭当前对象并开始寻找另一个对象的提示。

起初，我很想说使用地图。有多个学术重点标记的事实表明您应该使用更好的数据结构，也许是 Map>。滚动您自己的具有 String 的 Property 类可能会更好，或者如果它获取多个值，它会切换到字符串列表。