通过标记拆分字符串？

Question

我有一个 txt 文件，它是一本书的摘录。我已通过以下方法将文件转换为字符串

    File book = new File("WarAndPeace.txt");
    chapters = new ArrayList<String>();


    FileReader fileReader;
    fileReader = new FileReader(book);


    BufferedReader bufferedReader = new BufferedReader(fileReader);
    StringBuffer stringBuffer = new StringBuffer();
    String nextLine;
    while ((nextLine = bufferedReader.readLine()) != null) {
        stringBuffer.append(nextLine);
        stringBuffer.append("\n");
    }
    fileReader.close();

    myBook = stringBuffer.toString();

在文本文件中，每一章都包含在一个卷中。它用“CHAPTER”表示，然后是罗马数字。比如第五章以“CHAPTER V”开头

我需要将字符串分解为多个字符串并将它们全部添加到 ArrayList 中，这样我就可以编写诸如“nextChapter()”“previousChapter”“getChapter(int volumeNumber,int chapterNumber”)之类的函数，它将返回适用的字符串。例如我在想这个；其中的章节是一个 ArrayList

public String nextChapter(){
currentChapter++;
return chapters(currentChapter);
}

如何将书分成章节和卷（一卷包含多个章节）

我是否需要使用与 ArrayList 不同的数据结构，如果需要，使用什么以及如何使用？我听说 HashMap 可以使用键（也许 String 类型包含两个键，章节和卷？）如果是这样，我该怎么做？

谢谢

Answer 1

关于文件解析： String.split() 是一个非常有用的工具。它支持regular expressions，这意味着您可以为它提供类似"CHAPTER [IVXLCDM]+" 的内容，它将匹配任何出现的“CHAPTER”后跟罗马数字。但是，请记住，正则表达式区分大小写。此外，使用这种方法不会尊重章节的实际数量；无论哪一章先出现，都将首先放入结果数组中。这可能不是问题，因为大多数书籍都按顺序包含章节。

如果您使用上面的示例匹配，您可能必须从章节文本的开头和/或结尾去除换行符。 String.trim() 会为你做这件事。

关于数据结构：在这种情况下，面向对象编程可以让你受益匪浅。与其使用ArrayList<String> 来保存书的章节，不如为书的不同部分创建类。例如，Book 类的实例可能有一个 Volume 实例数组，每个实例都有一个 Chapter 实例数组。 Chapter 可能包含一个带有章节内容的 String，并且可能包含另一个 String 作为标题。

现在看起来可能需要做更多的工作，但从长远来看会有所回报。类为用户提供了一致的接口，还允许您作为程序员保护您的数据。通过定义Volume getVolume(int) 或Chapter getChapter(int) 之类的方法，您可以为用户提供一种更简洁、更有意义的数据交互方式。相比之下，调用List 的方法在含义上可能更加模糊。

Answer 2

您尝试的并不难，但并不像简单的按关键字拆分那么简单。在真正的书籍文本中，您可以轻松地在文本中找到“章节”一词。因此，如果您按“章节”的出现进行拆分，您最终会得到虚假的划分和错误构建的数据结构。

因此，您必须小心考虑文本“章节”（或“卷”）实际上是章节标题的标准。你说过一个：

• 章节以单词“CHAPTER”加总和加一个罗马数字开头。

我会添加下一个：

• 此标题占据整行文本。

还有一个类似的卷规则，带有单词“VOLUME”（如果没有指定其他条件）。

因此，如果您已经在逐行读取文件，则最好在读取文件时执行文本分析，从而更好地区分行的开始和结束位置，并且还可以避免在字符串中存储大量数据（这通常会导致性能下降）。所以，数据结构应该是在分析文本的过程中建立起来的。

数据结构应该是这样的：

class Book
{
    private List<Volume> volumes=...
    public void addVolume(Volume volume) {...}
    public Volume getVolume(int volume) {...}
    public Chapter getChapter(int volume, int chapter) {...}
}

class Volume
{
    private List<Chapter> chapters=...
    public void addChapter(Chapter chapter) {...}
    public Chapter getChapter(int chapter) {...}
}

class Chapter
{
    private StringBuilder text=...
    public void addText(String text) {...}
    public String getText() {...}
}

解析算法是这样的：

Pattern chapterPattern=Pattern.compile("CHAPTER\s+[IVXLDC]+");
Pattern volumePattern=Pattern.compile("VOLUME\s+[IVXLDC]+");
Book book=new Book(...);
Volume currentVolume=null;
Chapter currentChapter=null;
while ((nextLine = bufferedReader.readLine()) != null) {
    if (volumePattern.matcher(nextLine)).matches())
    {
        // It is a volume heading:
        currentVolume=new Volume(...);
        currentChapter=null;
        book.addVolume(currentVolume);
    }
    else if (chapterPattern.matcher(nextLine)).matches())
    {
        // It is a chapter heading:
        currentChapter=new Chapter(...);
        currentVolume.addChapter(currentChapter);
    }
    else
    {
        currentChapter.addText((nextLine).append("\n"));
    }
}

这种解析算法总是期望书的格式正确：它必须总是以卷标题开头。在卷标题之后，必须有一个章节标题。并且所有卷和章节必须按顺序出现（因此罗马数字可以忽略）。如果没有，就会出现一个丑陋的异常。因此，如果您想控制可能出现的错误格式，则必须考虑 currentVolume 或 currentChapter 中的 null 值。

此外，没有任何关于空行的规定。在卷标题和章节标题之间有一个空行是否合法？如果是这样，您必须考虑到这一点。