从NSString中提取已知的模式子字符串(没有正则表达式)

Question

我真的很想把RegexKit (或者我自己的libpcre包装器)放到我的项目中去，但是在我这么做之前，我想知道Cocoa开发人员是如何在没有真正复杂的代码或者没有与RegexKit或其他正则表达式库链接的情况下完成这些基本内容的。

我发现Cocoa不包含任何正则表达式匹配特性，这让人目瞪口呆。我已经习惯于将正则表达式用于所有类型的事情，没有正则表达式我就会迷失方向。没有它们，我可以做我需要的事情，但是代码会相当复杂。所以，可可神，我问你，“可可之路”是怎么做的.

就我而言，这个问题是编程中的一个日常问题。可可必须有办法用内置的功能来做到这一点。注意，我想匹配的元素的位置会发生变化，有时还会出现“引号”。空白是可变的。

以下列字符串为例：

Content-Type: application/xml; charset=utf-8

Content-Type: text/html; charset="iso-8859-1"

Content-Type: text/plain;
 charset=us-ascii

Content-Type: text/plain; name="example.txt"; charset=utf-8

从所有这些字符串中，您将如何使用内置的Cocoa类来确定mime类型(例如文本/平原)和字符集(例如utf-8)？

我最终会执行一系列的-rangeOfString:和子字符串调用，使用条件检查来处理可选的引号等等。有什么方法可以用NSScanner来完成吗？在我看来，NSScanner类似乎有一个相当天真的API。

类似于C的sscanf()，它适用于NSString对象，这将是一个理想的选择。我的大多数字符串解析需求都很简单，比如本例，所以，虽然我习惯了正则表达式，但它们是不是太过了呢？

编辑:代码有点长，但是事实证明NSScanner实际上很容易使用。它基本上是沿着你的绳子走，照你说的做。创建它需要的NSCharacterSet实例中最烦人的部分。

- (void)testNSScannerUseCase {
  NSString *testString = @"Content-type: application/xml; name=\"test\";\n charset=\"utf-8\"";

  unsigned int a = 'a', zero = '0';

  // There's probably a quicker way than to make these character sets this way
  NSMutableCharacterSet *alphaNumSet = [NSMutableCharacterSet characterSetWithRange:NSMakeRange(a, 26)];
  [alphaNumSet addCharactersInRange:NSMakeRange(zero, 10)];

  NSMutableCharacterSet *mimeTypeSet = [NSMutableCharacterSet characterSetWithCharactersInString:@"/-"];
  [mimeTypeSet formUnionWithCharacterSet:alphaNumSet];

  NSMutableCharacterSet *charsetSet = [NSMutableCharacterSet characterSetWithCharactersInString:@"-"];
  [charsetSet formUnionWithCharacterSet:alphaNumSet];

  // Initialize a case-insensitive scanner
  NSScanner *scanner = [NSScanner scannerWithString:testString];
  [scanner setCaseSensitive:NO];

  // Prepare to capture mime-type
  NSString *mimeType = nil;

  // Skip past the Content-Type: section
  if ([scanner scanUpToString:@":" intoString:NULL] && [scanner scanString:@":" intoString:NULL]) {
    [scanner scanCharactersFromSet:mimeTypeSet intoString:&mimeType];
  }

  GHAssertEqualStrings(@"application/xml", mimeType, @"Mime-type should be application/xml");

  // Prepare to look for the charset attribute
  NSString *charset = nil;

  // Ignore quotes as well as whitespace
  [scanner setCharactersToBeSkipped:[NSCharacterSet characterSetWithCharactersInString:@"\r\n\t \""]];

  // Skip past the charset attribute declaration
  if ([scanner scanUpToString:@"charset=" intoString:NULL]
    && [scanner scanString:@"charset=" intoString:NULL]) {

    [scanner scanCharactersFromSet:charsetSet intoString:&charset];
  }

  GHAssertEqualStrings(@"utf-8", charset, @"Charset should be utf-8");
}

通过使用while循环读取到";“然后检查是否是我正在扫描的属性，这可能会变得更聪明一些。

我敢说，它比使用regex更快地进行了基准测试，而且我相当长的代码可以重构成更小的代码。

Answer 1

如果这些是，从技术上讲，根据我对RFC2616的阅读，第二个标题是非法的。你不能引用字符集的名字。尽管如此，你不能控制你的输入，如果你得到它们，你需要处理它们。

无论如何，假设我们讨论的是HTTP头，即使我手头有一个regex库，我也很想编写一个适当的解析器。假设您想有点懒，没有regex库或解析器，您需要这样做：

• 带“内容长度：”。
• 使用-componentsSeparatedByString:在分号处拆分。

mime类型是前导和尾随空格的第一部分。

现在出现了棘手的部分。遍历剩余的每个组件。

• 对于您所在的部分，请确保拆分的分号没有嵌入到字符串中。最简单的方法是计算未转义双引号字符的数量，并确保零或两个。如果yuou确实在引号上拆分，请重新加入下一个组件并重复。
• 在=符号处分裂
• 如果第一部分是charset (不区分大小写)，您已经找到了要查找的部分。第二部分是实际字符集-条形空格和包围双引号.

上面的情况很复杂，而且可能会有失败的边缘情况，但是您创建的任何正则表达式也会很复杂，有边缘情况失败，无法读，并且不可能用Xcode调试器进行调试。

Answer 2

我觉得你应该顺应你的本能。使用RegexKitLite。这是非常小和简单的添加到这个项目。

另一个选项，如果这是用于iPhone或iPad使用iPhone OS3.2，则可以在-rangeOfCharacterFromSet:options:中使用新的NSRegularExpressionSearch选项。

但是，如果我不使用正则表达式，就会有一系列indexOf、rangeOf和子字符串调用。它可能只有六行，但仍然没有正则表达式那么简单和漂亮。