經常采集資料，肯定會碰到解析字元串，包括整個頁面的html，或者json以及一些不标準的json格式。。。
以前用json序列化，有時候需要實體類，有的時候沒有，比較麻煩，聽說可以用jsonmapper，解析為字典格式。不過沒用過，習慣了用最原始的方法來解析字元串，是以這裡分享幾個解析的案例。也許會有點作用。
解析字元串最常用的應該是splite和replace了。分割，然後替換一些引号之類的。最後組合。特别是采集的時候，經常會把html頁面中某一段要提取出來，可能很多人用正規表達式，可是不會啊，也不願意去學。那隻好用這些原始的方法了，時間久了，也積累一些經驗或者函數。看看幾個例子。
先看看這個例子，字元串是連在一起，沒有換行的，為了友善觀察，換行了，程式是原始在一起的：
先來分析一下這個字元串的特點，才能找到思路哦：
1.每一組資料都是在[]括号對中，每一組資料用,号分割，是以最終要形成一個數組來通路哦。
2.每一組的資料基本都是用 ， 号分割，字元串類型還有單引号 ；
3.第7個數組是一個整體，也使用,号分割，整體是字元串有引号；
4.第2組資料有空值，直接用,号分割，是以splite的時候不能去掉空值，否則數組長度不一樣，定位就亂了。
既然分析都完了，那思路呢？
1.組直接分割使用 ], 标記，然後每一組要repalce掉 [ 和 ] 。主要是最前和最後；
2.組内分割，使用 ，号标記分割，出來之前要把單引号給 替換掉 ；不然也是作為字元串，引号也包括進去了；
3.至于那個 數組 的處理，不能過于想複雜，分割之後，直接在最後增加1個元素，将固定位置7-12的組合起來；這樣也許友善點；
4.由于空值有占位，是以每一組的長度是固定的。是以處理的時候直接根據自己想要的位置來組合。
下面看看代碼了，c#版本，相對與一行代碼，仔細看，linq很是一個神器，真的是神奇。。。說多了都是淚，為啥就沒早點學呢：
看看結果怎麼樣：
上面預設的鍵值對分割符号為 = 号，根據實際情況進行修改，json格式裡面一般是：冒号比較多。
上面的例子比較簡單，這次看一個稍微複雜點的，雖然可能用jsonmapper可以很輕易做到，但試一下最原始的方法吧。還是按照上面的思路，先分析字元串的特點：字元串是連在一起，沒有換行的，為了友善觀察，換行了，程式是原始在一起的：
還是先分析特點，這個格式應該是json類似的了，比較規則：
組與之間是使用 ， 号分割；前後有｛｝括号對；觀察前後可以使用 ], 字元串将組分開；
鍵 是整數，鍵值是通過 ： 号分割；
值是一個數組，有5個元素，通過 , 号分割
都有單引号，需要過濾掉；其他沒有特殊情況；
代碼解決過程：
看看結果如何：
在實際的采集過，可能會碰到直接url，傳回的就是json格式，比較标準。這裡舉個例子，如下面這個頁面連結：
<a href="http://d.dacai.com/zhishu/correctcorp.html?matchid=1899040&matchstatusid=41">http://d.dacai.com/zhishu/correctcorp.html?matchid=1899040&matchstatusid=41</a>
點選開後，是這個樣子：
這個應該夠複雜了，我們分析一下，篇幅較大，源碼對照連結：
每一大組資料，是用,号分割；整體也是前後大括号對{}，有4個大類，鍵分布是：indbodans，indevengoals，indgoalss，indhalffulls。
每一組的子類中，包括的都是同一個類型的資料，每一個子資料組都有n多個小的鍵值對，如matchid,corpid等等，使用},可以分割
分析完成之後如何解決，思路是類似的，先整體分割，使用},進行，然後每一個之類作為鍵，對值再次進行分割。。。形成字典清單。其中的引号也是需要過濾的，至于數值類型，實際用到那個的時候，都是根據key去找，再進行convert轉換就可以了。看看源代碼：
看看解析的結果如何：
注意，有元素是空值的，可以不用管。至于那幾個鍵值對數組，最終屬于哪一個大類？雖然沒有直接标記出來，但是這個問題随便加一個判斷就可以了，因為每一個類别的鍵名稱是不一樣的，看看是否包括對應的鍵就可以确定類别。
雖然過程很簡單，也許有更簡單的辦好，直接和實體類映射，json反序列化更友善，但有時候沒有實體類，也挺麻煩。特别是這種變态複雜的，jsonmap直接處理不知道行不行。總之本文的目的是盡可能使用簡單原始的方法來解決問題，也是一個思路。雖然有時候我很懶，喜歡用開源元件，但有的時候一旦用上原始的了，也不喜歡改了。
字元串分析處理的過程雖然繁瑣，但基本都是比較簡單的，細緻一點，都不是事。
最後把這個測試的源代碼發上來，大家别忘了點贊哦。。。