Best of Ruby Quiz - GEDCOM Parser

[0] 首先，分析书后源代码，整题建立在下面的假设上：Level 标号从0开始，依次递增，且递增跨度为1，输入不存在错误

也正是这一点假设，LEVEL值可以不作为结点属性处理，即LEVEL值实际上是节点在堆栈中位置的代表，用堆栈结构可以轻松化解LEVEL带来的麻烦

 

[1] 第一种想法是用REXML，将字符串解析后存入XML结构，最后统一输出，源代码和书上一样

require 'rexml/document'
doc = REXML::Document.new '<gedcom/>'
stack = [doc.root]
IO.read(ARGV[0]).each do |line|
  next if line =~ /^\s*$/
  line =~ /^\s*(\d+)\s+(@\S+@|\S+)\s*(.*?)$/ or raise "Invalid GEDCOM"
  level , tag , data = $1.to_i , $2 , $3
  stack.pop while (level + 1 < stack.size)
  parent = stack.last
  if tag =~ /^@(\S+)@$/
    ele = parent.add_element data
    ele.attributes['id'] = tag
  else
    ele = parent.add_element tag
    ele.text = data
  end
  stack.push ele
end
File.open("output_std.txt","w") do |file|
  doc.write(file,0)
end

 

 [2] 当数据规模很大时，不可能将所有数据存入XML结构内存，再统一输出，So fight and run

 

class Node
  def initialize(tag_or_id,data = "")
    if tag_or_id =~ /@.*@/
      @name , @myid , @value = data , tag_or_id , ""
    else
      @name , @value ,@myid = tag_or_id , data , ""
    end
  end
  
  def to_s_first
end

将节点打包成类，第二步解析交给类构造去做，输出也交给类做

在入栈时输出第一部分，在出栈时输出第二部分

自然想到将栈也打包

 

 1require 'rexml/text'
 2
 3class Node
 4  def initialize(tag_or_id,data = "")
 5    if tag_or_id =~ /@.*@/
 6      @name , @myid , @value = data , tag_or_id , ""
 7    else
 8      @name , @value ,@myid = tag_or_id , data , ""
 9    end
10  end
11  
12  def to_s_first
13    s = @myid.empty? ? "<#{@name}>\n" : "<#{@name} id=\'#{@myid}\'>\n" 
14    s += (@value+"\n") unless @value.empty?
15    s
16  end
17  
18  def to_s_last
19    "</#{@name}>\n"
20  end
21  
22end
23
24class Stack < Array
25    def push(obj)
26        raise "type error" unless obj.is_a? Node
27        print obj.to_s_first        
28        super(obj)
29    end
30    
31    def pop
32        print self.last.to_s_last
33        super
34    end
35end
36
37def file_write_env(file)
38    $stdout =     file
39    yield
40    $stdout = STDOUT
41end
42
43stack = Stack.new
44File.open("output.txt","w") do |file|
45    file_write_env(file) do
46        stack.push(Node.new "gedcom")
47          IO.read($*[0]).each do |line|
48            next if line =~ /^\s*$/
49            line =~ /^\s*(\d+)\s+(@\S+@|\S+)\s*(.*?)$/ or raise "error"
50            level , tag_or_id , data = $1.to_i , $2 , REXML::Text::normalize($3)
51            stack.pop while (level + 1 < stack.size)
52            stack.push Node.new(tag_or_id,data)  
53          end
54        stack.pop
55    end
56end

第50行调用  REXML::Text::normalize 将字符串escaping ，达到和XML输出差不多的效果，完成字符转义

 

[PS] 有一点不很明白，用REXML构造法得到的输出，和最后的方法得到的输出在空格处理上有一定差异，REXML对于多空格只输出一个，而最后两种方法忠实于输入