這次“趣味編程”的目的是解析字符串，從一個指定模式的字符串中提取信息。對于目前這個問題，解決方案有很多種，例如直接拆分，使用正則表達式，或是如現在本文這般按照順序解析。總結果上來說，這些做法都是可取的，不過現在我打算舉出的做法是我認為最為“典型”也最有“學習”和“展現”價值的解決方案：基于狀態機的順序字符解析。也歡迎您對此其他的做法進行深入分析。

您可能需要重新閱讀上一篇文章來回憶字符串解析的具體規則，起始歸納起來，它只有以下三點：

一個text由一至多個token group組成；一個token group由一至多個token組成。

token group的token之間使用單條橫線“-”進行分割；text的token group之間使用兩條橫線“--”進行分割。

token可以使用單引號包裹，單引號包裹內的橫線作為普通字符處理，單引號包裹內使用兩個單引號表示單個單引號。

至于最終結果，便是將一個text字符串，拆分成一個token group列表：

static List<List<string>> Parse(string text) { ... }

在這里，我們使用List<string>來表示一個token group（即token列表）。自然，表現方式可以有所不同。例如您的Parse方法如果返回“列表的數組”、“數組的列表”或是“數組的數組”都是沒有任何問題的。

下面的做法基于winter-cn在上一篇文章后面的回復，再加以簡單的修改和注釋后得到的結果。這個做法的思路和我在“出題”時已經準備的“參考答案”不謀而合，但是winter-cn的實現要比我的更為簡單、因此我的代碼就不拿出來獻丑了，我們現在一起來欣賞高手的勞動成果。

winter-cn的做法，是將“解析”工作拆分為5種狀態，每種狀態對應一種解析邏輯，而每種解析邏輯除了處理當前字符（改變一些公共狀態）以外，還會返回處理下一個字符所使用的“解析邏輯”——這就是狀態的遷移。winter-cn原有的做法是使用Func<char, object>來表示解析邏輯的類型，這樣在每次得到新狀態之后，還需要將其轉化為Func<char, object>。不過為了更清晰地表達這樣一種邏輯，我們也可以定義一個返回自身類型的“遞歸”的委托類型：

delegate StateParser StateParser(char ch);

在現在的實現中，我們把它解析過程分解為5個狀態，分別對應不同“時刻”下的解析邏輯：

static List<List<string>> Parse(string text) {StateParser p1 = null; // 用于解析token的起始字符StateParser p2 = null; // 用于解析作為分隔符的“-”的下一個字符StateParser p3 = null; // 用于解析token中或結尾的單引號的下一個字符StateParser p4 = null; // 用于解析單引號外的token字符StateParser p5 = null; // 用于解析單引號內的token字符var currentToken = new StringBuilder(); // 用于構建當前的token（即收集字符）var currentTokenGroup = new List<string>(); // 用于構建當前的token group（即收集token）var result = new List<List<string>>(); // 用于保存結果（即收集token group）...return result; }

p1至p5便是所謂的“狀態”，也就是“解析邏輯”，它們都會操作currentToken，currentTokenGroup和result三個數據，并返回下一個狀態。狀態的劃分并非只有一種，不同的狀態劃分方式會形成不同的邏輯。我們接下來便要根據這樣的劃分方式，為每個狀態指定實現了。在實現的過程中，我們需要時刻遵守“當前”狀態的邏輯細節，以及其他狀態的職責，這樣實現狀態的遷移似乎也并不是一件困難的事情。

首先是p1，它的作用是解析token的第一個字符：

// 解析token的起始字符 p1 = ch => {if (ch == '-'){// 如果token中需要包含單引號或“-”，// 那么這個token在表示的時候一定需要用一對單引號包裹起來throw new ArgumentException();}if (ch == '\''){// 如果起始字符是單引號，// 則開始解析單引號內的token字符return p5;}else{// 如果是普通字符，則作為當前token的字符，// 并開始解析單引號外的token字符currentToken.Append(ch);return p4;}};

接著是p2：它的作用是解析分隔符“-”（不包括單引號包裹內的“-”）后的下一個字符：

// 解析作為分隔符的“-”的下一個字符 p2 = ch => {if (ch == '-'){// 如果當前字符為“-”，說明一個token group結束了（因為前一個字符也是“-”），// 則將當前的token group加入結果集，并且準備新的token groupresult.Add(currentTokenGroup);currentTokenGroup = new List<string>();return p1;}else if (ch == '\''){// 如果當前字符為單引號，則說明新的token以單引號包裹// 則開始解析單引號內的token字符return p5;}else{// 如果是普通字符，則算作當前token的字符，// 并繼續解析單引號外的token字符currentToken.Append(ch);return p4;} };

接著是p3：解析token內部或結尾的單引號的下一個字符：

// 解析token內部或結尾的單引號的下一個字符 p3 = ch => {if (ch == '\''){// 如果當前字符為單引號，則說明連續兩個單引號，// 所以表明token中出現了“單個”單引號，并且當前token一定包裹在單引號內，// 因此繼續解析單引號內的token字符currentToken.Append('\'');return p5;}else if (ch == '-'){// 如果當前字符為一個分隔符，則說明上一個token已經結束了// 于是將當前token加入當前token group，準備新的token，// 并解析分隔符后的下一個字符currentTokenGroup.Add(currentToken.ToString());currentToken = new StringBuilder();return p2;}else{// 單引號后面只可能是另一個單引號或者一個分隔符，// 否則說明輸入錯誤，則拋出異常throw new ArgumentException();} };

最后則是p4和p5，分別用于處理普通的token以及被單引號包裹的token字符：

// 用于解析單引號外的token字符， // 即一個沒有特殊字符（分隔符或單引號）的token p4 = ch => {if (ch == '\''){// 如果token中出現了單引號，則拋出異常throw new ArgumentException();}if (ch == '-'){// 如果出現了分隔符，則表明當前token結束了，// 于是將當前token加入當前token group，準備新的token，// 并解析分隔符的下一個字符currentTokenGroup.Add(currentToken.ToString());currentToken = new StringBuilder();return p2;}else{// 對于其他字符，則當作token中的普通字符處理// 繼續解析單引號外的token字符currentToken.Append(ch);return p4;} };// 用于解析單引號內的token字符 p5 = ch => {if (ch == '\''){// 對于被單引號包裹的token內的第一個單引號，// 需要解析其下一個字符，才能得到其真實含義return p3;}else{// 對于普通字符，則添加到當前token內currentToken.Append(ch);return p5;} };

這些狀態中的邏輯都有一個特點，它們都會通過C#編譯器形成的閉包來操作“外部”狀態——不過這個“外部”是指這些匿名函數的外部，但是它們統統屬于Parse方法本身！這意味著，雖然我們的狀態并非“純函數”，但是Parse方法是沒有任何副作用（Side Effect，即除了返回值外不會影響其他外部狀態，以及相同的返回值永遠相同的結果）。這個特點確保了Parse方法可以被任意多個線程同時調用。winter-cn的做法巧妙地使用了C#編譯器的特性，簡化了Parse方法的實現。

在定義完5種狀態之后，我們便要從p1開始依次處理字符串中的每個字符，并且隨著狀態的遷移改變處理每個字符的邏輯。當然，最后的“收尾”工作也是必不可少的：

static List<List<string>> Parse(string text) {...text.Aggregate(p1, (sp, ch) => sp(ch));currentTokenGroup.Add(currentToken.ToString());result.Add(currentTokenGroup);return result; }

可以看出，這種做法的優勢之一是完全的“順序處理”，只遍歷一次。如果您使用字符串的分割或者正則表達式進行解析的話，一般總是會有“回溯”，以及拆分出更多的字符串。因此，根據推測，這個做法從性能上來講應該也有一定優勢，不過還是需要真實的性能比較才能得出確切的結果。本文全部代碼已經存放在http://gist.github.com/214427中，您可以復制、執行，調試等等。

這次的“趣味編程”是到目前為止最為熱鬧的一次，在上一篇文章的回復里您還可以發現許多朋友給出的大量解決方案，不過由于時間精力有限，我無法一一瀏覽了。此外，由于winter-cn已經給出了與我思路接近但實現更好的做法，后來我又用F#實現了另外一個思路不同的版本，您會發現F#有一些語言特性似乎非常適合進行字符串解析工作，它對于我們編寫C#代碼也有一定的借鑒意義。

from:?http://blog.zhaojie.me/2009/10/code-for-fun-tokenizer-answer-1.html

總結

以上是生活随笔為你收集整理的趣味编程：从字符串中提取信息（参考答案 - 上）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。