在一段混合文本中提取json对象

提出问题

假设有这样一段文本，里面混入了一些json字符串，我们需要把json字符串提取出来。网上大部分解决方案是正则表达式/{.*?}/，但是正则的方法有很多局限性。比如下文这个例子，如果正则使用非贪婪模式，匹配会在"alice"后面的第一个"}"停下来，如果开启贪婪模式，则会把两个json当作一个。

Some text before {"key1":"value1","key2":{"alice":"alice"},"key3":{"bob":"bob"}} some text in between {"key4":"value4"} some text after.

解决

我查了Google和ChatGPT，都没有一个现成的解决方案。看来只能发挥自己动手丰衣足食的精神了。

这个问题其实非常经典的栈数据结构的应用题，就是判断括号是否匹配的问题。如果前面有两个左括号，后面必须有两个右括号，才是完整的。那我们就实现一下。

    /**
     * 提取json信息
     * 
     * @param content
     * @return
     */
    protected static List<String> extractJson(String mixedContent) {
        List<String> result = new ArrayList<>();
        Stack<Integer> stack = new Stack<>();
        Boolean slash = false;
        for (int i = 0; i < mixedContent.length(); i++) {
            if (slash) {
                // 忽略所有的转义字符
                slash = false;
                continue;
            }
            if (mixedContent.charAt(i) == '{') {
                stack.push(i);
            } else if (mixedContent.charAt(i) == '}') {
                if (stack.isEmpty()) {
                    // System.out.println("没有对应的开括号，位置：" + i);
                    continue;
                }
                int start = stack.pop();
                String json = mixedContent.substring(start, i + 1);
                if (stack.size() == 0) {
                    result.add(json);
                }
            } else if (mixedContent.charAt(i) == '\') {
                slash = true;
            }
        }
        // if (!stack.isEmpty()) {
        // System.out.println("没有对应的闭括号，位置：" + stack.pop());
        // }
        return result;
    }

因为我的场景都是json对象，都是从"{"开始的，因此我只处理了花括号{}，至于花括号内部是否是一个正确的 json的问题，交给后续的 json 解析库去处理。

因为我只需要提取合法的部分，所以这里的两个报错信息被我注释掉了，如果需要严格的判断可以处理这两个错误信息。

同时简单处理了转义字符。因为他无关我们的闭合检查，所以直接忽略掉。

这段代码对我当前的需求算够用的，想完美一点，并且支持更多场景的话，可以继续补充完善，比如可以把[]和双引号也考虑进来，原理是一样的。

应用

这个业务场景是我需要设计一个 word 填充模版，填充项有各种类型，比如单选、日期、纯文本、富文本等等。我需要从 word 中解析出这些被填充项作为表单给到前端去填写，因为这样可以避免格式问题，从而有更好的交互体验。填写完之后，还需要把前端表单的内容填充进 word 模板并导出。

我使用了 json 来定义我的填充项，所以需要解决从段落中解析出所有 json 对象的场景。下面是完整的解决方案代码，放在 github，欢迎大家提出宝贵意见。

github.com/yszc/office...