[化学反应抽取][重构]重构SectionCreator

源程序来自于Daniel Lowe的patent-reaction-extraction项目

问题：

在分析代码的时候发现创建具备作用域范围的List时，ExperimentalSectionCreator对象中包含的处理流程复杂且难以看懂。存在以下问题：

1. 流程复杂不利于修改
2. 不利于替换具体的处理逻辑
3. 不利于收集运行信息

分析

对源码有兴趣可以通过文章顶部的链接直接去仓库找到dan2097.org.bitbucket.reactionextraction.ExperimentalSectionsCreator。作者在处理传入的headingsAndParagraphs时，使用大量分支判断，方法来回跳转增加不必要的阅读难度，同时又出现很多不必要的语句重复。

SectionCreator.png

经过分析，在这里其实作者将专利文档做了如下分类

• 标题
• 次要标题
• 行内标题
• 段落

其中，次要标题只影响步骤的组装，其他三类需要专门的处理步骤。

这时，作者的写法就暴露出不少问题。
首当其冲就是不利于拓展，如果我们需要增加一种分类呢？加在哪里，如何复用他的方法都是问题。
其次不能利用多线程，由于Section的组装依赖于列表顺序，否则无法按照段落情况划分Section的范围，这里只能单线程顺序执行。但是其中多次涉及分类和打标签这种无关与顺序的步骤，而这些操作都是调用第三方工具且耗时不短，顺序调用带来大量不必要的延时，完全可以将这些对数据的预处理提前，并发执行之后再利用CountDownLatch控制结果都到达后向下执行。

解决方案

首先要抛弃作者的这种写法。对于不同的分类编写专门的处理器，然后利用责任链模式，将这些处理器串起来。每个处理器只关心自己能否处理当前DOM元素，不能处理就交给下一个处理器，能处理就直接返回结果，不再向后方传递。这样，如果我们需要增加分类，只要向责任链添加新的处理器即可，同时还可以通过调整进入责任链的顺序实现对处理流程的编排控制。如此实现算法和流程的分离，也有利于收集不同处理器的输入输出数据，便于调试分析。
其次，增加预处理机制，对于后续步骤中必须存在且无关顺序的公共步骤，提前到顺序处理之前，然后利用多线程做并行处理。

修改后.png