快速解决工作中遇到经典的括号匹配问题

问题来源：从缓存中取出的数据没有空格和换行，很难阅读，但又找不到像JSON一样的在线格式化工具。灵机一动，自己写了一个小程序将其格式化。

一、先看效果

1、原始数据长这样，难以阅读

MemCachedItem{同一申请客户Xh内登录的设备列表=TimedItems {allItems={2016-09-23 22:08:08.253={merged=false, limit=0, list=[caZ8d17967b615ceb1V164793Zbb8gei147319824612056b949f73a22797cee0]}}}, 同一用户近xd内登录时间段和次数=TimedItems {allItems={2016-09-23 22:08:08.253={merged=false, limit=0, map={22=CountNumber {count=1, value=1, merged=false}}}}}, reference_time=1474640150272, primary_biz=PAY.BUY, expire_duration=31536000000, primary_tag=机构号加用户号, 同一用户近xM平台内部最大逾期天数=TimedItems {allItems={2016-09-23 22:14:14.423=MaxNumber {count=1, value=0, merged=false}, 2016-09-23 22:15:50.246=MaxNumber {count=1, value=0, merged=false}}}, 同一用户近xd内使用的IP地址和次数=TimedItems {allItems={2016-09-23 22:08:08.258={merged=false, limit=0, map={112.17.239.160=CountNumber {count=1, value=1, merged=false}}}, 2016-09-23 22:14:14.445={merged=false, limit=0, map={112.17.239.160=CountNumber {count=1, value=1, merged=false}}}, 2016-09-23 22:15:50.272={merged=false, limit=0, map={112.17.239.160=CountNumber {count=1, value=1, merged=false}}}}}, 同一用户最近Xpd内操作APP时间段频率集合=TimedItems {allItems={2016-09-23 22:08:08.253={merged=false, limit=0, map={8=CountNumber {count=1, value=1, merged=false}}}, 2016-09-23 22:14:14.440={merged=false, limit=0, map={8=CountNumber {count=1, value=1, merged=false}}}, 2016-09-23 22:15:50.266={merged=false, limit=0, map={8=CountNumber {count=1, value=1, merged=false}}}}}, 同一用户最近登录时间列表=TimedItems {allItems={2016-09-23 22:08:08.253={merged=false, limit=0, list=[Fri Sep 23 22:08:08 CST 2016]}}}, primary_key=123456-3177000000019572, 同一用户最近Xpd登陆的各设备指纹频率集合=TimedItems {allItems={2016-09-23 22:08:08.253={merged=false, limit=0, map={caZ8d17967b615ceb1V164793Zbb8gei147319824612056b949f73a22797cee0=CountNumber {count=1, value=1, merged=false}}}, 2016-09-23 22:14:14.440={merged=false, limit=0, map={caZ8d17967b615ceb1V164793Zbb8gei147319824612056b949f73a22797cee0=CountNumber {count=1, value=1, merged=false}}}, 2016-09-23 22:15:50.266={merged=false, limit=0, map={caZ8d17967b615ceb1V164793Zbb8gei147319824612056b949f73a22797cee0=CountNumber {count=1, value=1, merged=false}}}}}, 同一用户Xd使用登录设备和次数=TimedItems {allItems={2016-09-24 00:00:00.000={merged=true, limit=0, map={caZ8d17967b615ceb1V164793Zbb8gei147319824612056b949f73a22797cee0=CountNumber {count=1, value=1, merged=false}}}}}}

缓存中取出的原始数据.png

2、这样就好多了

MemCachedItem{
    同一申请客户Xh内登录的设备列表=TimedItems{
        allItems={
            2016-09-2322:08:08.253={
                merged=false,
                limit=0,
                list=[
                    caZ8d17967b615ceb1V164793Zbb8gei147319824612056b949f73a22797cee0
                ]
            }
        }
    },
    同一用户近xd内登录时间段和次数=TimedItems{
        allItems={
            2016-09-2322:08:08.253={
                merged=false,
                limit=0,
                map={
                    22=CountNumber{
                        count=1,
                        value=1,
                        merged=false
                    }
                }
            }
        }
    },
    reference_time=1474640150272,
    primary_biz=PAY.BUY,
    expire_duration=31536000000,
    primary_tag=机构号加用户号,
    同一用户近xM平台内部最大逾期天数=TimedItems{
        allItems={
            2016-09-2322:14:14.423=MaxNumber{
                count=1,
                value=0,
                merged=false
            },
            2016-09-2322:15:50.246=MaxNumber{
                count=1,
                value=0,
                merged=false
            }
        }
    },
    同一用户近xd内使用的IP地址和次数=TimedItems{
        allItems={
            2016-09-2322:08:08.258={
                merged=false,
                limit=0,
                map={
                    112.17.239.160=CountNumber{
                        count=1,
                        value=1,
                        merged=false
                    }
                }
            },
            2016-09-2322:14:14.445={
                merged=false,
                limit=0,
                map={
                    112.17.239.160=CountNumber{
                        count=1,
                        value=1,
                        merged=false
                    }
                }
            },
            2016-09-2322:15:50.272={
                merged=false,
                limit=0,
                map={
                    112.17.239.160=CountNumber{
                        count=1,
                        value=1,
                        merged=false
                    }
                }
            }
        }
    },
    同一用户最近Xpd内操作APP时间段频率集合=TimedItems{
        allItems={
            2016-09-2322:08:08.253={
                merged=false,
                limit=0,
                map={
                    8=CountNumber{
                        count=1,
                        value=1,
                        merged=false
                    }
                }
            },
            2016-09-2322:14:14.440={
                merged=false,
                limit=0,
                map={
                    8=CountNumber{
                        count=1,
                        value=1,
                        merged=false
                    }
                }
            },
            2016-09-2322:15:50.266={
                merged=false,
                limit=0,
                map={
                    8=CountNumber{
                        count=1,
                        value=1,
                        merged=false
                    }
                }
            }
        }
    },
    同一用户最近登录时间列表=TimedItems{
        allItems={
            2016-09-2322:08:08.253={
                merged=false,
                limit=0,
                list=[
                    FriSep2322:08:08CST2016
                ]
            }
        }
    },
    primary_key=123456-3177000000019572,
    同一用户最近Xpd登陆的各设备指纹频率集合=TimedItems{
        allItems={
            2016-09-2322:08:08.253={
                merged=false,
                limit=0,
                map={
                    caZ8d17967b615ceb1V164793Zbb8gei147319824612056b949f73a22797cee0=CountNumber{
                        count=1,
                        value=1,
                        merged=false
                    }
                }
            },
            2016-09-2322:14:14.440={
                merged=false,
                limit=0,
                map={
                    caZ8d17967b615ceb1V164793Zbb8gei147319824612056b949f73a22797cee0=CountNumber{
                        count=1,
                        value=1,
                        merged=false
                    }
                }
            },
            2016-09-2322:15:50.266={
                merged=false,
                limit=0,
                map={
                    caZ8d17967b615ceb1V164793Zbb8gei147319824612056b949f73a22797cee0=CountNumber{
                        count=1,
                        value=1,
                        merged=false
                    }
                }
            }
        }
    },
    同一用户Xd使用登录设备和次数=TimedItems{
        allItems={
            2016-09-2400:00:00.000={
                merged=true,
                limit=0,
                map={
                    caZ8d17967b615ceb1V164793Zbb8gei147319824612056b949f73a22797cee0=CountNumber{
                        count=1,
                        value=1,
                        merged=false
                    }
                }
            }
        }
    }
}

格式化之后的数据.png

二、编程实现

仔细观察一下缓存中的数据，发现只有大括号和中括号，并且成对出现。这不就是大学数据结构课程中典型的括号匹配算法的变形吗？既然是括号问题，就可以考虑用栈来实现。代码如下：

package test;

import java.util.Stack;

/**
 * 格式化MemCachedItem，便于阅读
 * -----------------------------------------
 * @author Lynch 2016年9月24日 下午5:32:02 
 * -----------------------------------------
 */
public class CacheDataFormatUtil {

    /**
     * 用栈解决括号匹配问题，实现数据格式化
     * 
     * @param str
     * @return
     */
    public static String getFormatCacheData(String str) {
        Stack<Character> st = new Stack<Character>();
        StringBuffer sb = new StringBuffer();
        for (int i = 0; i < str.length(); i++) {
            if (str.charAt(i) == '{' || str.charAt(i) == '[') {
                st.push(str.charAt(i));
                sb.append(str.charAt(i));
                sb.append('\n');
                for (int j = 0; j < st.size(); j++) {
                    sb.append('\t');
                }
            } else if (str.charAt(i) == '}' || str.charAt(i) == ']') {
                st.pop();
                sb.append('\n');
                for (int j = 0; j < st.size(); j++) {
                    sb.append('\t');
                }
                sb.append(str.charAt(i));
            } else if (str.charAt(i) == ',') {
                sb.append(str.charAt(i)).append("\n");
                for (int j = 0; j < st.size(); j++) {
                    sb.append('\t');
                }
            } else if (str.charAt(i) != ' ') {
                sb.append(str.charAt(i));
            }
        }
        return sb.toString();
    }

//  public static void main(String[] args) {
//      String str = "MemCachedItem{同一申请客户Xh内登录的设备列表=TimedItems {allItems={2016-09-23 22:08:08.253={merged=false, limit=0, list=[caZ8d17967b615ceb1V164793Zbb8gei147319824612056b949f73a22797cee0]}}}, 同一用户近xd内登录时间段和次数=TimedItems {allItems={2016-09-23 22:08:08.253={merged=false, limit=0, map={22=CountNumber {count=1, value=1, merged=false}}}}}, reference_time=1474640150272, primary_biz=PAY.BUY, expire_duration=31536000000, primary_tag=机构号加用户号, 同一用户近xM平台内部最大逾期天数=TimedItems {allItems={2016-09-23 22:14:14.423=MaxNumber {count=1, value=0, merged=false}, 2016-09-23 22:15:50.246=MaxNumber {count=1, value=0, merged=false}}}, 同一用户近xd内使用的IP地址和次数=TimedItems {allItems={2016-09-23 22:08:08.258={merged=false, limit=0, map={112.17.239.160=CountNumber {count=1, value=1, merged=false}}}, 2016-09-23 22:14:14.445={merged=false, limit=0, map={112.17.239.160=CountNumber {count=1, value=1, merged=false}}}, 2016-09-23 22:15:50.272={merged=false, limit=0, map={112.17.239.160=CountNumber {count=1, value=1, merged=false}}}}}, 同一用户最近Xpd内操作APP时间段频率集合=TimedItems {allItems={2016-09-23 22:08:08.253={merged=false, limit=0, map={8=CountNumber {count=1, value=1, merged=false}}}, 2016-09-23 22:14:14.440={merged=false, limit=0, map={8=CountNumber {count=1, value=1, merged=false}}}, 2016-09-23 22:15:50.266={merged=false, limit=0, map={8=CountNumber {count=1, value=1, merged=false}}}}}, 同一用户最近登录时间列表=TimedItems {allItems={2016-09-23 22:08:08.253={merged=false, limit=0, list=[Fri Sep 23 22:08:08 CST 2016]}}}, primary_key=123456-3177000000019572, 同一用户最近Xpd登陆的各设备指纹频率集合=TimedItems {allItems={2016-09-23 22:08:08.253={merged=false, limit=0, map={caZ8d17967b615ceb1V164793Zbb8gei147319824612056b949f73a22797cee0=CountNumber {count=1, value=1, merged=false}}}, 2016-09-23 22:14:14.440={merged=false, limit=0, map={caZ8d17967b615ceb1V164793Zbb8gei147319824612056b949f73a22797cee0=CountNumber {count=1, value=1, merged=false}}}, 2016-09-23 22:15:50.266={merged=false, limit=0, map={caZ8d17967b615ceb1V164793Zbb8gei147319824612056b949f73a22797cee0=CountNumber {count=1, value=1, merged=false}}}}}, 同一用户Xd使用登录设备和次数=TimedItems {allItems={2016-09-24 00:00:00.000={merged=true, limit=0, map={caZ8d17967b615ceb1V164793Zbb8gei147319824612056b949f73a22797cee0=CountNumber {count=1, value=1, merged=false}}}}}}";
//      System.out.println(getFormatCacheData(str));
//  }

}

最后编辑于：2017.12.04 04:06:52

人面猴
序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
沈念sama阅读 162,547评论 4赞 374
死咒
序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
沈念sama阅读 68,787评论 2赞 308
救了他两次的神仙让他今天三更去死
文/潘晓璐我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
开封第一讲书人阅读 112,175评论 0赞 254
道士缉凶录：失踪的卖姜人
文/不坏的土叔我叫张陵，是天一观的道长。经常有香客问我，道长，这世上最难降的妖魔是什么？我笑而不...
开封第一讲书人阅读 44,752评论 0赞 223
港岛之恋（遗憾婚礼）
正文为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
茶点故事阅读 53,169评论 3赞 297
恶毒庶女顶嫁案：这布局不是一般人想出来的
文/花漫我一把揭开白布。她就那样静静地躺着，像睡着了一般。火红的嫁衣衬着肌肤如雪。梳的纹丝不乱的头发上，一...
开封第一讲书人阅读 41,056评论 1赞 226
城市分裂传说
那天，我揣着相机与录音，去河边找鬼。笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。我是一名探鬼主播，决...
沈念sama阅读 32,195评论 2赞 321
双鸳鸯连环套：你想象不到人心有多黑
文/苍兰香墨我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
开封第一讲书人阅读 30,980评论 0赞 214
万荣杀人案实录
序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
沈念sama阅读 34,724评论 1赞 250
护林员之死
正文独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋以下内容为张勋视角年9月15日...
茶点故事阅读 30,872评论 2赞 254
白月光启示录
正文我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
茶点故事阅读 32,344评论 1赞 265
活死人
序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
沈念sama阅读 28,667评论 3赞 264
日本核电站爆炸内幕
正文年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
茶点故事阅读 33,379评论 3赞 245
男人毒药：我在死后第九天来索命
文/蒙蒙一、第九天我趴在偏房一处隐蔽的房顶上张望。院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
开封第一讲书人阅读 26,202评论 0赞 9
一桩弑父案，背后竟有这般阴谋
文/苍兰香墨我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。一阵脚步声响...
开封第一讲书人阅读 26,992评论 0赞 201
情欲美人皮
我被黑心中介骗来泰国打工，没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。一个月前我还...
沈念sama阅读 36,189评论 2赞 286
代替公主和亲
正文我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
茶点故事阅读 35,987评论 2赞 279

快速解决工作中遇到经典的括号匹配问题

一、先看效果

二、编程实现

推荐阅读更多精彩内容