C# - 使用正则表达式删除字符答案

【问题标题】：C# - Remove characters with regexC# - 使用正则表达式删除字符
【发布时间】：2017-08-01 18:21:39
【问题描述】：

我有一个文本文件，我需要删除一些尾随分隔符。文本文件如下所示：

string text = @"1|'Nguyen Van| A'|'Nguyen Van A'|39
                2|'Nguyen Van B'|'Nguyen| Van B'|39";
string result = @"1|'Nguyen Van A'|'Nguyen Van A'|39
                  2|'Nguyen Van B'|'Nguyen Van B'|39";

我想删除字符“|”在字符串“Nguyen Van | A”和“Nguyen | Van B”中

所以我认为最好的方法是进行正则表达式替换？谁能帮我解决这个正则表达式？

谢谢

【问题讨论】：

所以你有一个用竖线分隔的文本文件，并且在引用条目时允许在条目中使用竖线？我理解正确吗？你也可以使用第三方库吗？
我会手写而不是对抗正则表达式...最终它是一个简单的状态机。
BULK INSERT Product FROM 'D:\product.data' WITH ( FIELDTERMINATOR = '|', ROWTERMINATOR = '\n' ); 我使用 BULK INSERT SQL Server 导入文件，但在这些字段中有错误。批量加载数据转换错误（指定代码页的类型不匹配或无效字符）。
亲爱的xanatos，目前，我在两个系统的数据接口中，所以一切都是自动导入/导出的。谢谢
@NguyễnQuang - 我现在也有点困惑。您是否在代码中执行此操作以准备批量插入文件？默认 FIELDQUOTE 字符为 "，因此您可能会遇到其他问题，而不仅仅是无关的管道字符？如果您写的问题说明实际问题而不是建议的解决方法，也许会更好，因为可能有更好的方法来解决它。

标签： c# regex

【解决方案1】：

正则表达式应该是：

(?<=^[^']*'([^']*'[^']*')*[^']*)\|

要使用多行...所以

var rx = new Regex(@"(?<=^[^']*'([^']*'[^']*')*[^']*)\|", RegexOptions.Multiline);

string text = @"1|'Nguyen Van| A'|'Nguyen Van A'|39

2|'阮文B'|'阮|范 B'|39";

string replaced = rx.Replace(text, string.Empty);

示例：http://ideone.com/PTdsg5

我强烈建议反对使用它...解释原因...尝试理解正则表达式。如果你能理解它，那么你可以使用它:-)

我会编写一个简单的状态机来计数'，并在计数的' 为奇数时替换|。

【讨论】：

因为 BULK INSERT 命令不接受这些记录。我需要在使用 BULK INSERT 之前对其进行清洁。 stackoverflow.com/questions/12902110/… 解决方案解决了我遇到的问题。但是，对于大文件数据，该过程会运行很长时间。你有更好的方法吗？如删除 char |内容以字符串 |' 开头结尾是字符串 '|而不是计数 ' 并替换 |当计数的 ' 是奇数时。
@NguyễnQuang - 您应该将此作为一个新问题发布，并确保发布相关代码（即您如何打开和解析文件、调用 regex.Replace 的位置以及您的情况写出新文件）到那个问题。
感谢您在这里寻找解决方案：stackoverflow.com/questions/13305139/…
@NguyễnQuang - 请使用您正在使用的代码发布一个新问题。我假设您正在加载整个文件并将此正则表达式与多行模式一起使用。发布新问题，我可以发布答案来帮助您。

【解决方案2】：

您提到使用多行正则表达式花费的时间太长，并询问了状态机方法。所以这里有一些使用函数来执行操作的代码（注意，函数可能需要稍微清理一下，但它显示了这个想法并且比正则表达式运行得更快）。在我的测试中，使用不带多行的正则表达式，我可以在大约 34 秒内处理 1,000,000 行（在内存中，而不是写入文件）。使用状态机方法大约需要 4 秒。

string RemoveInternalPipe(string line)
{
    int count = 0;
    var temp = new List<char>(line.Length);
    foreach (var c in line)
    {
        if (c == '\'')
        {
            ++count;
        }
        if (c == '|' && count % 2 != 0) continue;
        temp.Add(c);
    }
    return new string(temp.ToArray());
};

File.WriteAllLines(@"yourOutputFile",
    File.ReadLines(@"yourInputFile").Select(x => RemoveInternalPipe(x)));

要将性能与Regex 版本（不带多行选项）进行比较，您可以运行以下代码：

var regex = new Regex(@"(?<=^[^']*'([^']*'[^']*')*[^']*)\|");
File.WriteAllLines(@"yourOutputFile",
    File.ReadLines(@"yourInputFile").Select(x => regex.Replace(x, string.Empty));

【讨论】：