實務上你常常會拿到各種格式的資料:逗號分隔、定位符號分隔、定長文字檔……每換一種格式,就得配一個剖析器(parser)。剖析器寫多了,開發速度被拖慢不說,邊界條件沒處理好就是一堆 bug。
一個漂亮的解法是在入口處做一次轉換:把這些格式先統一轉成 XML 文件,後續的儲存、處理、轉檔都只跟 XML 打交道。
假設有個通訊錄程式,可以匯出成兩種格式。逗號分隔格式用逗號切開同一筆記錄的欄位;定長格式則要求每個欄位有固定寬度,不足補空白。同一份資料,兩種長相,兩套剖析邏輯。
Java 世界的標準做法是用 DOM。org.w3c.dom.Document 是 DOM 的原始資料型別,也是整份文件的入口。核心方法 buildDocument(InputStream is) 逐行讀進資料流,再按給定的規則逐行拆解。
兩個建構子分別對應兩種格式:
PlainTextToXmlFormatter(String[] colName, String delim):delim 可以是任何字串,用於分隔格式。PlainTextToXMLFormatter(String[] colName, int[] colLen):colLen 是各欄位寬度陣列。以本例而言,欄寬依序是 10、10、30、10 個字元;colName 則是 firstName、lastName、email、phone。
真正把一行文字切成記號的工作,落在 getStringArray(String read, String delim) 與 parseFixedLengthMessage(String read, int[] colLen) 上,兩者都回傳 String 陣列。格式不對時會丟出例外並中斷剖析;若不想中斷,呼叫 setSkipError(true),例外不再往上拋,但錯誤訊息仍會寫進錯誤輸出串流,方便事後追查。
切好的記號會變成 XML 元素。每一筆記錄包在一個行元素裡,預設名稱是 line,可以用 setDataLineName() 改;行元素底下掛各欄位的子元素,名稱由建構子傳入的 colName 決定。
資料全部讀完,你手上就是一份結構良好的 XML 文件。因為資料被整理成大家熟悉的樹狀結構,後續處理非常直觀:交給第三方時,對方只要知道 DTD 就能自行處理;要落地存檔,呼叫 writeDocument(Document doc, OutputStream osOut) 即可。
同一份 XML 還可以再轉成別的格式。XSLT 提供了一套強大的樹式轉換語言,能把某個詞彙表的 XML 實例,輸出成純文字、HTML,或換成另一套詞彙表的 XML。
呼叫 transformData(InputStream xmlIn, InputStream xslIn, OutputStream transfOut),就能把 XML 轉成 HTML 文件。同一份資料配不同的 XSLT,可以同時產出網頁版、報表版、行動版,不必重寫任何剖析程式。
把異質格式在邊界處收斂成 XML,之後所有處理都受益:程式碼變少、格式擴充只需新增一個 formatter、視圖變化交給 XSLT。當你要面對一堆格式各異的資料來源時,這條路省下的時間和錯誤成本相當可觀。