Как преобразовать произвольную строку в Java-идентификатор?

Мне нужно преобразовать любую произвольную строку:

  • строка с пробелами
  • 100stringsstartswithnumber
  • строка € с% специальными символами †/\!
  • [пустая строка]

для действительного идентификатора Java:

  • string_with_spaces
  • _100stringsstartswithnumber
  • string_with_special_characters ___
  • _

Есть ли существующий инструмент для этой задачи?

С таким множеством рефакторинговых/генерирующих фреймов источников Java можно подумать, что это должна быть довольно общая задача.

Ответ 1

Этот простой метод преобразует любую входную строку в действительный идентификатор Java:

public static String getIdentifier(String str) {
    try {
        return Arrays.toString(str.getBytes("UTF-8")).replaceAll("\\D+", "_");
    } catch (UnsupportedEncodingException e) {
        // UTF-8 is always supported, but this catch is required by compiler
        return null;
    }
}

Пример:

"%^&*\n()" --> "_37_94_38_42_10_56_94_40_41_"

Любые символы ввода будут работать - символы иностранных языков, переводы строки, что угодно!
Кроме того, этот алгоритм:

  • воспроизводимый
  • уникальный - т.е. всегда и только даст один и тот же результат, если str1.equals(str2)
  • обратимый

Спасибо Йоахиму Зауэру за предложение UTF-8


Если коллизии в порядке (где две входные строки могут дать одинаковый результат), этот код создает читаемый вывод:

public static String getIdentifier(String str) {
    StringBuilder sb = new StringBuilder();
    for (int i = 0; i < str.length(); i++) {
        if ((i == 0 && Character.isJavaIdentifierStart(str.charAt(i))) || (i > 0 && Character.isJavaIdentifierPart(str.charAt(i))))
            sb.append(str.charAt(i));
        else
            sb.append((int)str.charAt(i));
    }
    return sb.toString();
}

Он сохраняет символы, которые являются допустимыми идентификаторами, преобразуя только те, которые являются недопустимыми, в их десятичные эквиваленты.

Ответ 2

Я не знаю инструмент для этой цели, но его можно легко создать с помощью класса Character.

Знаете ли вы, что строка € with_special_characters ___ является юридическим идентификатором java?

public class Conv {
    public static void main(String[] args) {
        String[] idents = { "string with spaces", "100stringsstartswithnumber",
                "string€with%special†characters/\\!", "" };
        for (String ident : idents) {
            System.out.println(convert(ident));
        }
    }

    private static String convert(String ident) {
        if (ident.length() == 0) {
            return "_";
        }
        CharacterIterator ci = new StringCharacterIterator(ident);
        StringBuilder sb = new StringBuilder();
        for (char c = ci.first(); c != CharacterIterator.DONE; c = ci.next()) {
            if (c == ' ')
                c = '_';
            if (sb.length() == 0) {
                if (Character.isJavaIdentifierStart(c)) {
                    sb.append(c);
                    continue;
                } else
                    sb.append('_');
            }
            if (Character.isJavaIdentifierPart(c)) {
                sb.append(c);
            } else {
                sb.append('_');
            }
        };
        return sb.toString();
    }
}

Печать

string_with_spaces
_100stringsstartswithnumber
string€with_special_characters___
_

Ответ 3

Если вы делаете это для автогенерированного кода (т.е. не заботятся о читаемости), один из моих фаворитов - это Base64 Это. Не нужно играть на языке юриста по поводу того, какие символы действительны в кодировке, и это довольно распространенный способ "защитить" произвольные байтовые данные.

Ответ 4

С таким множеством рефакторинговых/генерирующих фреймов источников Java можно подумать, что это должна быть довольно общая задача.

На самом деле это не так.

  • Структура рефакторинга кода начнется с существующих действительных java-идентификаторов, сможет генерировать новый идентификатор, объединяя их с некоторыми дополнительными символами для целей устранения неоднозначности.

  • Типичная структура генерации кода начинается с "имен", взятых из ограниченного набора символов. Он не должен иметь дело с произвольными символами.


Я предполагаю, что целью вашего конвертера является создание идентификаторов, которые напоминают входные строки, если это возможно. Если это произойдет, я бы сделал преобразование путем сопоставления всех символов юридического идентификатора как-есть и заменил символы незаконного идентификатора на "$ xxxx", где "xxxx" представляет собой четырехзначное шестнадцатеричное кодирование 16-битного символа Java.

Ваша схема также работает, но замена всех недопустимых символов на "_" скорее приведет к конфликтам идентификаторов; то есть, когда две входные строки сопоставляются с одним и тем же идентификатором.

Это прямолинейно коду, поэтому я оставлю это для вас.