用正则表达式解析多行

Question

我正在用Java编写一个解析bibtex库文件的程序。 每个条目都应解析为字段和值。 这是一个库中一个单一bibtex的示例。

@INPROCEEDINGS{conf/icsm/Ceccato07,
  author = {Mariano Ceccato},
  title = {Migrating Object Oriented code to Aspect Oriented Programming},
  booktitle = {ICSM},
  year = {2007},
  pages = {497--498},
  publisher = {IEEE},
  bibdate = {2008-11-18},
  bibsource = {DBLP, http://dblp.uni-trier.de/db/conf/icsm/icsm2007.html#Ceccato07},
  crossref = {conf/icsm/2007},
  owner = {Administrator},
  timestamp = {2009.04.30},
  url = {http://dx.doi.org/10.1109/ICSM.2007.4362668}
}

在这种情况下，我只是读取该行并使用split方法对其进行了拆分。 例如，第一个条目（作者）的解析如下：

Scanner in = new Scanner(new File(library.bib));
in.nextLine();                                        //skip the header
String input = in.nextLine();                         //read (author = {Mariano Ceccato},)
String field = input.split("=")[0].trim();            //field = "author"
String value = input.split("=")[1];                   //value = "{Mariano Ceccato},"
value = value.split("\\}")[0];                        //value = "{Mariano Ceccato"
value = value.split("\\{")[1];                        //value = "Mariano Ceccato"
value = value.trim;                                   //remove any white spaces (if any)

知道每件事都是好的。 但是，库中有一个bibtex，它具有多行的值：

@ARTICLE{Aksit94AbstractingCF,
  author = {Mehmet Aksit and Ken Wakita and Jan Bosch and Lodewijk Bergmans and
  Akinori Yonezawa },
  title = {{Abstracting Object Interactions Using Composition Filters}},
  journal = {Lecture Notes in Computer Science},
  year = {1994},
  volume = {791},
  pages = {152--??},
  acknowledgement = {Nelson H. F. Beebe, Center for Scientific Computing, University of
  Utah, Department of Mathematics, 110 LCB, 155 S 1400 E RM 233, Salt
  Lake City, UT 84112-0090, USA, Tel: +1 801 581 5254, FAX: +1 801
  581 4148, e-mail: \path|beebe@math.utah.edu|, \path|beebe@acm.org|,
  \path|beebe@computer.org|, \path|beebe@ieee.org| (Internet), URL:
  \path|http://www.math.utah.edu/~beebe/|},
  bibdate = {Mon May 13 11:52:14 MDT 1996},
  coden = {LNCSD9},
  issn = {0302-9743},
  owner = {aljasser},
  timestamp = {2009.01.08}
}

如您所见，确认字段不仅限于一行，因此我无法使用nextLine()读取。 如果将它作为String传递给它，我的解析函数就可以正常使用。 那么，读取此条目以及其他多行条目和stile能够读取单行条目的最佳方法是什么？

Answer 1

对于这些问题之王，最好使用特定的解析器。 我搜索了bibtex解析器并找到了它 。

如果您喜欢自己做的事情，此问题的一种解决方法是检查该行是否以},结尾},如果没有，请在当前行之后添加下一行。

话虽如此，可能还有其他问题，这就是为什么我建议使用解析器的原因

Answer 2

这些条目的形式是

@<type>{<Id>
<name>={<value>},
....
<name>={<value>}
}

请注意，姓氏/值对后面没有逗号。

如果将值分成多行，则仅表示特定行尚不包含右括号。 在这种情况下，请扫描下一行并将其附加到要拆分的字符串上。 继续执行此操作，直到字符串中的最后一个字符为“}”或“}”（如果“确认”是记录中的最后一个“名称/值”对，则将发生后者）。

为了增加安全性，请计算闭合括号的数量与闭合括号的数量相匹配，并继续在字符串上附加行，直到行为止。 这将涵盖您在某篇文章中标题过长而不幸在错误的位置中断的情况，例如

title = {{Abstracting Object Interactions Using Composition Filters, and other stuff}
},