C# 正则表达式匹配案例 - 拆分字符串并写入文件输出

Posted 2023-04-13

【中文标题】C# 正则表达式匹配案例 - 拆分字符串并写入文件输出

【英文标题】：C# Regex match case - split string and write to file output

【发布时间】：2017-06-11 23:05:23

【问题描述】：

基本上我有一个这种格式的记录文本文件：

(1909, 'Ford', 'Model T'),
(1926, 'Chrysler', 'Imperial'),
(1948, 'Citroën', '2CV'),

我要输出到以下格式的文本文件

new Vehicle()  Id = 1, Year = 1909, Make = "Ford", Model = "Model T" ,
new Vehicle()  Id = 2, Year = 1926, Make = "Chrysler", Model = "Imperial" ,
new Vehicle()  Id = 3, Year = 1948, Make = "Citroën", Model = "2CV" ,

我知道我需要将每一行分成相关的文本部分，例如尝试关注this SO 之类的问题。但是在如何获取年份、品牌和型号的相关匹配字符串部分时遇到了心理障碍。

到目前为止，我已经找到了这个，它可以在括号之间找到所有内容：

\(([^()]+)\)

但不确定如何将值分组并用逗号分隔：

非常感谢任何帮助。

【问题讨论】：

引用的字符串可以包含'('或')'吗？

), 后面总是有换行符吗？

好吧，如果你想使用正则表达式，你可以试试^\((\d+)\s*,\s*'([^']*)'\s*,\s*'([^']*)'\),

【参考方案1】：

正则表达式将它们分组：

\((\d+),\s+[']([\w\së]+)['],\s+[']([\w\s]+)[']\)[,]*

请注意雪铁龙存在问题ën => 您必须输入所有不在 a-z、A-Z 范围内的特殊符号（如 ë ü ÿ 等）

要在代码中使用，您将获得第一组：

string cars = @"(1909, 'Ford', 'Model T'),"
string pattern = @"\((\d+),\s+[']([\w\së]+)['],\s+[']([\w\s]+)[']\)[,]*";
var lResult = Regex.Match(cars, pattern);

if(lResult.Success)
    foreach( var iGroup in lResult.Groups)
        Console.WriteLine(iGroup);

在 lResult.Groups 你得到了关于汽车的信息，你只是根据需要将它输出到文件中。

C# 6.0：

Console.WriteLine($"new Vehicle()  Id = 1, Year = lResults.Groups[1], Make = \"lResults.Groups[2]\", Model = \"lResults.Groups[3]\",");

旧语法：

Console.WriteLine(@"new Vehicle()  Id = 1, Year = "+ lMatch.Groups[1]+", Make = "+ lMatch.Groups[2] + ", Model = "+ lMatch.Groups[3] + " ,");

一旦你把它自动化到 for 循环中，你就可以很容易地添加 Id。

我的示例在 Groups[0] 中包含整个字符串，所以这就是为什么我的索引从 1 开始到 3。

正如@Toto所说，\w已经包含\d，那就不用写了。

【讨论】：

模型可能包含除字母/数字以外的其他字符

@Toto，谢谢，不知道 \d。如果还有其他字符，我们必须定义它们是什么字符 -> 从一些国家/通用字母表中获取。

【参考方案2】：

为什么不使用 string.Split(',')？会比正则表达式更快并且适合您（当然，首先删除每行的最后一个“，”。

【讨论】：

如果模型中有逗号会发生什么？

他的问题不清楚，我不知道他是否需要从文本文件读取到 modile 或反之亦然，但无论如何，在任何一种情况下，他都必须有一个用于字段的 deilmitar设置为唯一的

我确实可以使用字符串拆分，但认为正则表达式会更简洁？

不这么认为。 Split 更容易阅读，我认为它是为这类情况设计的。对于更复杂的情况，我会让正则表达式...保持简单

@Tatranskymedved 我会遵循 KISS 原则en.wikipedia.org/wiki/KISS_principle 如果系统模式始终相同，为什么要使用正则表达式？更难阅读，更难主要，不是为了这个目的。如果您的系统将来发生变化，那么考虑使用正则表达式，但现在不要使用正则表达式，因为将来它可能会改变......

【参考方案3】：

如果您愿意使用解析器框架（这可能有点矫枉过正），您可以使用例如sprache。没有正确错误处理的示例：

Parser<string> stringContent = 
    from open in Parse.Char('\'').Once()
    from content in Parse.CharExcept('\'').Many().Text()
    from close in Parse.Char('\'').Once()
    select content;

Parser<string> numberContent = Parse.Digit.AtLeastOnce().Text();
Parser<string> element = stringContent.XOr(numberContent);

Parser<List<string>> elements =
    from e in element.DelimitedBy(Parse.Char(',').Token())
    select e.ToList();

Parser<List<string>> parser =
    from open in Parse.Char('(').Once()
    from content in elements
    from close in Parse.Char(')').Once()
    select content;

var input = new List<string>  "(1909, 'Ford', 'Model T')", "(1926, 'Chrysler', 'Imperial')", "(1948, 'Citroën', '2CV')" ;

foreach (var line in input)

    var parsed = parser.Parse(line);
    var year = Int32.Parse(parsed[0]);
    var make = parsed[1];
    var model = parsed[2];

    Console.WriteLine(">> " + year + " " + make + " " + model);

【讨论】：

\w 已经包含\d。您与 Citroën 中的 ë 不匹配（取决于区域设置）。模型可能包含除字母/数字以外的其他字符

@Toto 通过通用元组解析器修复

【参考方案4】：

您可以根据命名的捕获组使用此 sn-p：

var cars = new List<string>() 
    "(1909, 'Ford', 'Model T')",
    "(1926, 'Chrysler', 'Imperial')",
    "(1948, 'Citroën', '2CV')",
;

var regex = @"(?<Year>\d+).*?'(?<Brand>.*?)'.*?'(?<Model>.*?)'";

foreach (var car in cars)

    var match = Regex.Match(car, regex);
    if (match.Success)
    
        Console.WriteLine($"match.Groups["Brand"] make match.Groups["Model"] in match.Groups["Year"]");
    

将打印的内容：

福特在 1909 年制造 T 型车

克莱斯勒在 1926 年成为帝国汽车

1948 年雪铁龙制造 2CV