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。

sql 复制代码
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。

java 复制代码
    /**
     * 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...

相关推荐
绝无仅有12 分钟前
Java后端技术面试:银行业技术架构相关问题解答
后端·面试·github
掘金安东尼11 小时前
抛弃自定义模态框:原生Dialog的实力
前端·javascript·github
CoovallyAIHub17 小时前
中科大DSAI Lab团队多篇论文入选ICCV 2025,推动三维视觉与泛化感知技术突破
深度学习·算法·计算机视觉
NAGNIP18 小时前
Serverless 架构下的大模型框架落地实践
算法·架构
moonlifesudo18 小时前
半开区间和开区间的两个二分模版
算法
moonlifesudo18 小时前
300:最长递增子序列
算法
逛逛GitHub1 天前
飞书多维表“独立”了!功能强大的超出想象。
人工智能·github·产品
CoovallyAIHub1 天前
港大&字节重磅发布DanceGRPO:突破视觉生成RLHF瓶颈,多项任务性能提升超180%!
深度学习·算法·计算机视觉
CoovallyAIHub1 天前
英伟达ViPE重磅发布!解决3D感知难题,SLAM+深度学习完美融合(附带数据集下载地址)
深度学习·算法·计算机视觉
努力的小雨1 天前
混元开源之力:spring-ai-hunyuan 项目功能升级与实战体验
后端·github