Блог

У нас есть имена файлов, которые содержат список их идентификаторов и значений, разделенных символами подчеркивания. Сначала это казалось простым для анализа с помощью регулярного выражения, но проблема в том, что как идентификаторы, так и значения могут содержать что угодно. Тем не менее, у меня есть доступ к списку идентификаторов. Вот пример:

Идентификаторы:

 {PG, PGN, T, TN, Axis}
  

Имена файлов:

 Measurement_2020-08-10 13.08.04.578_Batch counter_41.0_PGN_1338_TN_1337
Measurement_2020-08-10 13.05.15.065_Batch counter_39.0_PG_under_score_program_name_T_1337
Measurement_2020-08-10 13.05.15.065_Batch counter_39.0_Axis_unsolvable_PG_T_bla
  

Ожидаемые результаты:

 {[PGN,1338],[T,1337]}
{[PG,under_score_program_name],[T,1337]}
ambiguous. two possible solutions {[Axis,unsolvable_PG],[T,bla]} OR {[Axis,unsolvable],[PG,T_bla]}
  

Как вы можете видеть, я создал некоторые из них для тестирования определенных проблемных значений. Особенно последний, где идентификатор фактически используется как часть значения…

Очевидно, что должен быть способ решить эту проблему, поскольку я могу посмотреть на это и разобраться довольно быстро, но я просто не могу придумать способ правильно разобрать это.

Добавлен тег regex, потому что это можно было бы решить с помощью одного.

Заранее благодарю вас за предложения 🙂

обычный старый StringTokenizer…

 public class FilenameParser {

    private Set<String> keywords;

    public FilenameParser(Set<String> keywords) {
        this.keywords = keywords;
    }

    public Map<String,String> parse(String filename) {
        Map<String, String> results = new HashMap<String, String>();

        StringTokenizer tokenizer = new StringTokenizer(filename, "_");
        while(tokenizer.hasMoreTokens()) {
            String token = tokenizer.nextToken();
            nextToken(token, tokenizer, results);
        }

        return results;
    }

    private void nextToken(String token, StringTokenizer tokenizer, Map<String, String> results) {
        if(keywords.contains(token)) {
            boolean keywordFound = false;
            String key = token;
            List<String> value = new ArrayList<>();
            while(tokenizer.hasMoreTokens() amp;amp; ! keywordFound ) {
                token = tokenizer.nextToken();
                if(keywords.contains(token)) {
                    keywordFound = true;

                    nextToken(token, tokenizer, results);

                } else {
                    value.add(token);
                }
            }

            results.put(key, value.stream().reduce((left, right) -> {
                return left   "_"   right;
            }).orElse(""));
        }
        return;
    }
}
  

Использование:

 public class Starter {

    public static void main(String[] args) {

        Set<String> keywords = new HashSet<String>();
        keywords.addAll(Arrays.asList("PG", "PGN", "T", "TN", "Axis"));

        FilenameParser parser = new FilenameParser(keywords);

        Map<String,String> result = parser.parse("Measurement_2020-08-10 13.05.15.065_Batch counter_39.0_Axis_unsolvable_PG_T_bla");
        System.out.println(result);
    }
}
  

Результат: {T = bla, PG=, Axis = неразрешимо}