4.2.1 加载和解析数据

4.2.1 加载和解析数据

 

作为第一步，我们将实现一个函数 convertDataRow，从 CSV 文件中取一行作为字符串，把这一行拆成两部分，以元组形式返回。函数实现后，就可以立即进行测试，输入一个样本（字符串"Test reading,1234”），应该能够正确解析。清单 4.2 是函数的代码和测试结果。

 

清单 4.2 解析 CSV 文件的一行 (F# Interactive)

> open System;;

> let convertDataRow(csvLine:string) =  [1]

let cells = List.ofseq(csvLine.Split(','))    [2]

match cells with

| title::number::_ –>    <-- 可能有两个或更多单元

let parsedNumber = Int32.Parse(number)

(title, parsedNumber)

| _ -> failwith "Incorrect dataformat!"  <-- 报告错误

;;

val convertDataRow : string -> string *int

 

> convertDataRow("Testingreading,1234");;  [3]

val it : string * int = ("Testingreading", 1234)

 

启动 F# Interactive 以后，我们需要从 System 命名空间导入功能；只有打开这个命名空间，才能在代码中要使用 Int32.Parse 方法。这必须显式导入，但是，F# 核心库的函数，比如，List.ofseq，默认就是可用的。

函数 convertDataRow [1]取一个字符串作为参数，以逗号作为分隔符，把值拆分成列表，我们用.NET 中标准的 Split 方法执行此操作。当调用值的实例方法时，F# 编译器需要提前知道值的类型。不幸的是，在这里，类型推断没有任何其他方式来推断出类型，因此，我们要使用类型批注，显式声明 csvLine 的类型是字符串[2]。

Split 方法的声明使用 C#  的params 关键字，参数为数量可变的字符，我们只指定一个分隔符：逗号。这个方法的结果是一个字符串数组，但我们想要使用的是列表，所以，要将结果转换为列表，我们使用 F # List 模块的 ofseq 函数。我们将在第十和第十二章讨论有关数组和其他集合类型。

有了列表以后，我们就可以使用 match 结构，检查格式是否正确。如果包含两个或更多的值，将匹配第一种情况（title::number:: _），标题指定给 title、数值指定给 number，其余列（如果有）被忽略。在这个分支中，我们使用 Int32.Parse 把字符串转换为整数，返回的元组包含标题和这个值；第二个分支触发标准的 .NET 异常。

如果看到这个函数的签名，就能明白，取字符串参数，返回一个元组，第一个值是字符串，第二个值是整数。这是完全符合我们的预期：标题返回作为字符串，第二列的数值转换为整数。下一行演示了在 F# Interactive 中测试函数是如何的方便[3]。示例调用的结果是元组，包含“Testing reading” 作为标题，"1234"作为数值。

 

F# 处理 .NET 字符串

 

在 F# 中处理 .NET 字符串，一般会使用通常的 .NET 方法。我们现在就来看看如何在 F# 中使用，先选几个 String 类中的静态方法，这些方法就好像是普通的 F# 函数（使用 String 类名）。这些函数的参数值必须在括号内指定，就像是以逗号分隔的元组。在类型签名中，元组写成星号：

 

■ String.Concat （重载）：接受可变数量的字符串或对象类型的参数值，并返回一个把所有的这些都连接起来的字符串：

 

> String.Concat("1 + 3", 3);;

val it : string = "1 + 33"

 

■ String.Join (sep:string * strs:string[]) : string：把字符串数组，即参数strs，使用指定的分隔符，即 sep 参数连接起来，可以使用 [| ... |] 语法来构建数组：

 

> String.Join(", ", [|"1"; "2"; "3" |]);;

val it : string = "1, 2, 3"

 

在.NET 中，字符串也是对象，也有实例成员，在 F# 中使用典型的点表示法。这一点，在前面的示例中，我们已经看到过，当拆分字符串时，使用了 str.Split。下面的示例假定我们有一个字符串 str 包含"Hello World!"：

■ str.Length：返回字符串长度的属性，在 F# 中，访问属性的方法与 C# 相同，所以读这个属性不需要括号：

 

> str.Length;;

val it : int = 12

 

■ str.[index:int]：指定字符串的索引，写在方括号内，返回由 index 指定位置的字符。注意，在方括号的前面仍需要点，与 C# 中不同：

 

> str.[str.Length - 1];;

val it : char = '!'

 

我们还可以使用 FSharp.PowerPack.dll 库中的函数；F# 中大多数字符串处理代码可以使用 .NET 方法来实现。

 

在前面的清单中，我们实现了 convertDataRow 函数，取 CSV 文件中的一行字符串作为参数，返回元组，包含标签和数值。下一步，我们将实现一个函数，参数为字符串列表，使用 convertDataRow，将每个字符串转换为元组，清单 4.3 就是这个函数；然后，立即进行测试，解析一个字符串列表样本。

 

清单 4.3 解析输入文件的多行 (F# Interactive)

> let rec processLines(lines) =

   matchlines with

   | [] -> []    [1]

   |currentLine::remaining ->    [2]

     letparsedLine = convertDataRow(currentLine)  <-- 处理列表头

     letparsedRest = processLines(remaining) <-- 递归处理列表尾

     parsedLine :: parsedRest

;;

val processLines : string list ->(string * int) list

 

> let testData = processLines["Test1,123"; "Test2,456"];;  [3]

val testData : (string * int) list =[("Test1", 123); ("Test2", 456)]

 

这个函数在许多方面与我们在前一章实现的列表处理函数相似。可以看到，声明这个函数使用了 let rec 关键字，因此，它是递归的。它的参数（lines）为字符串列表，使用模式匹配，检查列表是空列表，还是cons cell。对于空列表，直接返回元组的空列表[1]；如果模式匹配执行的分支是针对 cons cell 的[2]，会把列表中的第一个元素的值指定给 currentLine，列表的其余元素指定给 remainning。此分支的代码首先处理一行，使用清单 4.2 的 convertDataRow 函数，然后，以递归方式处理列表中的其余部分。最后，代码构造一个新的cons cell，包含：处理过的行作为列表头，递归处理的列表其余部分作为列表尾。这样，函数对列表中的每个字符串，执行 convertDataRow，把结果收集成新的列表。

为更好地理解 processLines 函数做了什么，我们还可以通过 F# Interactive，查看输出的类型签名，函数的参数为字符串列表（string list 类型），返回为包含类型为元组（strings * int）的列表。这正是解析一行的函数所返回的类型，因此，函数做的很正确。我们通过调用样本列表作为参数值[3]，进行验证。可以看到，由 F# Interactive 输出的结果：是包含两个元组的列表，元组有一个字符串和一个数字，所以，函数运行良好。

现在，我们有了一个函数，将字符串列表转换为将在图表绘制应用程序中使用的数据结构。我们在实现关键的数据处理部分之前，还需要看一个简单的工具程序。