从纯文本字符串中提取数据答案

【问题标题】：Extracting data from plain text string从纯文本字符串中提取数据
【发布时间】：2012-11-22 07:03:48
【问题描述】：

我正在尝试处理来自系统的报告，该系统为我提供以下代码

000=[GEN] OK {Q=1 M=1 B=002 I=3e5e65656-e5dd-45678-b785-a05656569e}

我需要提取大括号 {} 之间的值并将它们保存到变量中。我想我需要使用正则表达式或类似方法来做到这一点？我真的不知道从哪里开始！！我正在使用 c# asp.net 4。

我需要以下变量

param1 = 000
param2 = GEN
param3 = OK
param4 = 1 //Q
param5 = 1 //M
param6 = 002 //B
param7 = 3e5e65656-e5dd-45678-b785-a05656569e //I

我将根据参数的实际含义命名参数。任何人都可以在这里帮助我吗？我试图根据空格进行拆分，但我得到了其他垃圾！

感谢任何指点/帮助！

【问题讨论】：

在“=”上拆分？会一直采用这种格式吗？
你想捕捉GEN,OK 什么时候他们会一直在那里

标签： c# regex string string-matching

【解决方案1】：

如果格式相当固定，您可以使用 .NET 字符串处理方法提取值，类似于

string line = 
    "000=[GEN] OK {Q=1 M=1 B=002 I=3e5e65656-e5dd-45678-b785-a05656569e}";

int start = line.IndexOf('{');
int end = line.IndexOf('}');
string variablePart = line.Substring(start + 1, end - start);
string[] variables = variablePart.Split(' ');
foreach (string variable in variables)
{
    string[] parts = variable.Split('=');
    // parts[0] holds the variable name, parts[1] holds the value
}

这是在我脑海中写下的，所以某处可能存在一个错误。此外，建议添加错误检查，例如确保输入字符串同时具有 { 和 }。

【讨论】：

虽然这是regex 的替代方案，但您仍然在让它变得复杂..regex 会以更好的方式做到这一点，而不会弄乱代码......这也会导致操作不想要的数组..他想将其存储在单个变量中..这里不推荐非正则表达式解决方案..
@Some1.Kill.The.DJ：也许吧。这真的取决于要求。 RegEx 通常较慢。将我的代码和 hal.stephenk 的代码放入一个简单的控制台应用程序并运行每 1,000,000 次（仅重复 objRegex.Match，而不是 new RegularExpression）显示我的代码为 1.052 秒，他的代码为 6.663 秒。有时，这种表现很重要。有时它不会。 RegEx 是一种通用的模式匹配解决方案。它的执行速度几乎永远不会像专门编写的代码那样快，尽管它可以更快地编写。

【解决方案2】：

使用正则表达式。

快速而肮脏的尝试：

(?<ID1>[0-9]*)=\[(?<GEN>[a-zA-Z]*)\] OK {Q=(?<Q>[0-9]*) M=(?<M>[0-9]*) B=(?<B>[0-9]*) I=(?<I>[a-zA-Z0-9\-]*)}

这将生成名为 ID1、GEN、Q、M、B 和 I 的命名组。

查看MSDN docs 了解在 C# 中使用正则表达式的详细信息。

您可以使用Regex Hero 进行快速 C# 正则表达式测试。

【讨论】：

【解决方案3】：

我会建议这种类型的工作使用正则表达式。

var objRegex = new System.Text.RegularExpressions.Regex(@"^(\d+)=\[([A-Z]+)\] ([A-Z]+) \{Q=(\d+) M=(\d+) B=(\d+) I=([a-z0-9\-]+)\}$");
var objMatch = objRegex.Match("000=[GEN] OK {Q=1 M=1 B=002 I=3e5e65656-e5dd-45678-b785-a05656569e}");
if (objMatch.Success)
{
    Console.WriteLine(objMatch.Groups[1].ToString());
    Console.WriteLine(objMatch.Groups[2].ToString());
    Console.WriteLine(objMatch.Groups[3].ToString());
    Console.WriteLine(objMatch.Groups[4].ToString());
    Console.WriteLine(objMatch.Groups[5].ToString());
    Console.WriteLine(objMatch.Groups[6].ToString());
    Console.WriteLine(objMatch.Groups[7].ToString());
}

我刚刚对此进行了测试，对我来说效果很好。

【讨论】：

【解决方案4】：

您可以使用String.Split

string[] parts = s.Split(new string[] {"=[", "] ", " {Q=", " M=", " B=", " I=", "}"},
                         StringSplitOptions.None);

【讨论】：

【解决方案5】：

此解决方案将您的报表代码分解为多个段，并将所需的值存储到一个数组中。

正则表达式一次匹配一个报告代码段，并将适当的值存储在“Parsed Report Code Array”中。

正如您的示例所暗示的，前两个代码段的处理方式与之后的代码段不同。我假设总是前两个段的处理方式不同。

private static string[] ParseReportCode(string reportCode) {
    const int FIRST_VALUE_ONLY_SEGMENT = 3;
    const int GRP_SEGMENT_NAME = 1;
    const int GRP_SEGMENT_VALUE = 2;
    Regex reportCodeSegmentPattern = new Regex(@"\s*([^\}\{=\s]+)(?:=\[?([^\s\]\}]+)\]?)?");
    Match matchReportCodeSegment = reportCodeSegmentPattern.Match(reportCode);

    List<string> parsedCodeSegmentElements = new List<string>();
    int segmentCount = 0;
    while (matchReportCodeSegment.Success) {
        if (++segmentCount < FIRST_VALUE_ONLY_SEGMENT) {
            string segmentName = matchReportCodeSegment.Groups[GRP_SEGMENT_NAME].Value;
            parsedCodeSegmentElements.Add(segmentName);
        }
        string segmentValue = matchReportCodeSegment.Groups[GRP_SEGMENT_VALUE].Value;
        if (segmentValue.Length > 0) parsedCodeSegmentElements.Add(segmentValue);
        matchReportCodeSegment = matchReportCodeSegment.NextMatch();
    }
    return parsedCodeSegmentElements.ToArray();
}

【讨论】：