解析具有嵌套信息结构的纯文本文件的最佳方法

Question

文本文件有数百个这样的条目(格式为MT940银行对账单)

{1:F01AHHBCH110XXX0000000000}{2:I940X           N2}{3:{108:XBS/091502}}{4:
:20:XBS/091202/0001
:25:5887/507004-50
:28C:140/1
:60F:C0914CHF7789,
:61:0912021202D36,80NTRFNONREF//0887-1202-29-941
04392579-0 LUTHY + xxx, ZUR
:86:6034?60LUTHY + xxxx, ZUR vom 01.12.09 um 16:28 Karten-Nr. 2232
2579-0
:62F:C091202CHF52,2
:64:C091302CHF52,2
-}

这应该放入散列数组中，如下所示

[{"1"=>"F01AHHBCH110XXX0000000000"},
  "2"=>"I940X           N2", 
   3 => {108=>"XBS/091502"}
etc.
} ]

我在tree top上试过，但它似乎不是正确的方法，因为它更多的是为了一些你想要计算的东西，而我只是想要信息。

grammar Mt940

  rule document
    part1:string spaces [:|/] spaces part2:document 
    {
      def eval(env={})
        return part1.eval, part2.eval
      end
    }
    / string
    /  '{' spaces document spaces '}' spaces
    {
      def eval(env={})
        return [document.eval]
      end
    }
  end
end

我还尝试使用正则表达式

matches = str.scan(/\A[{]?([0-9]+)[:]?([^}]*)[}]?\Z/i)

但是使用递归很难...

我该如何解决这个问题？

Answer 1

在Java和PHP语言中有几个开放源码的MT940解析器。您可以查看源代码并将其移植到Ruby。如果您使用的是JRuby，那么您可以在ruby代码中使用java解析器。

另一种选择是使用OFX gem。gem解析OFX文件。由于您的文件是MT940格式，您必须使用可用的免费转换器之一将文件转换为OFX格式。如果您是在批处理作业中导入，则此方法非常实用。

参考

MT940 Java parser.

MT940 to OFX Converter 1

MT940 to OFX Converter 2