C# - 在数据中带有转义管道的管道上拆分？

Question

我有一个要拆分的管道分隔文件（我使用的是 C#）。例如：

这|是|一个|测试

但是，某些数据中可能包含管道。如果是这样，它将用反斜杠转义：

This|is|a|pip\|ed|test（这是一个 pip|ed 测试）

我想知道是否有正则表达式或其他方法可以仅在“纯”管道（即前面没有反斜杠的管道）上将其分开。我目前的方法是用自定义的文本位替换转义的管道，在管道上拆分，然后用管道替换我的自定义文本。不是很优雅，我不禁认为有更好的方法。感谢您的帮助。

Answer 1

只需使用String.IndexOf() 即可找到下一个管道。如果前一个字符不是反斜杠，则使用String.Substring() 提取单词。或者，您可以使用 String.IndexOfAny() 查找下一个管道或反斜杠的出现。

我做了很多这样的解析，这真的很简单。采用我的方法，如果操作正确，也往往会运行得更快。

编辑

事实上，也许是这样的。看看这在性能方面如何与 RegEx 解决方案进行比较会很有趣。

public List<string> ParseWords(string s)
{
    List<string> words = new List<string>();

    int pos = 0;
    while (pos < s.Length)
    {
        // Get word start
        int start = pos;

        // Get word end
        pos = s.IndexOf('|', pos);
        while (pos > 0 && s[pos - 1] == '\\')
        {
            pos++;
            pos = s.IndexOf('|', pos);
        }

        // Adjust for pipe not found
        if (pos < 0)
            pos = s.Length;

        // Extract this word
        words.Add(s.Substring(start, pos - start));

        // Skip over pipe
        if (pos < s.Length)
            pos++;
    }
    return words;
}

Answer 2

应该这样做：

string test = @"This|is|a|pip\|ed|test (this is a pip|ed test)";
string[] parts = Regex.Split(test, @"(?<!(?<!\\)*\\)\|");

正则表达式基本上说：在前面没有转义字符的管道上拆分。不过，我不应该为此获得任何功劳，我只是劫持了正则表达式 from this post 并对其进行了简化。

编辑

在性能方面，与本线程提供的手动解析方法相比，我发现此 Regex 实现比使用 OP 提供的较长测试字符串的 Jonathon Wood 实现慢 3 到 5 倍。

话虽如此，如果您不实例化或将单词添加到 List<string> 并返回 void，Jon 的方法比 Regex.Split() 方法快大约 5 倍（0.01 毫秒与 0.002 毫秒）用于纯粹拆分字符串。如果再加上管理和返回 List<string> 的开销，它大约快 3.6 倍（0.01 毫秒对 0.00275 毫秒），平均超过几组一百万次迭代。我没有在这个测试中使用静态 Regex.Split()，而是在我的测试循环之外用上面的表达式创建了一个新的 Regex 实例，然后调用它的 Split 方法。

更新

使用静态 Regex.Split() 函数实际上比重用表达式实例快很多。有了这个实现，正则表达式的使用只比 Jon 的实现慢了大约 1.6 倍（0.0043ms vs. 0.00275ms）

使用我链接到的帖子中的扩展正则表达式得到的结果是相同的。

Answer 3

我遇到了类似的情况，对我来说，管道的数量是固定的（不是带有 "\|" 的管道）。我就是这样处理的。

string sPipeSplit = "This|is|a|pip\\|ed|test (this is a pip|ed test)";
string sTempString = sPipeSplit.Replace("\\|", "¬"); //replace \| with non printable character
string[] sSplitString = sTempString.Split('|');
//string sFirstString = sSplitString[0].Replace("¬", "\\|"); //If you have fixed number of fields and you are copying to other field use replace while copying to other field.
/* Or you could use a loop to replace everything at once
foreach (string si in sSplitString)
{
    si.Replace("¬", "\\|");
}
*/

Answer 4

这是另一种解决方案。

编程最美妙的地方之一就是为同一个问题提供解决方案的几种方法：

string text = @"This|is|a|pip\|ed|test"; //The original text
string parsed = ""; //Where you will store the parsed string

bool flag = false;
foreach (var x in text.Split('|')) {
    bool endsWithArroba = x.EndsWith(@"\");
    parsed += flag ? "|" + x + " " : endsWithArroba ? x.Substring(0, x.Length-1) : x + " ";
    flag = endsWithArroba;
}

Answer 5

Cory 的解决方案非常好。但是，如果您不想使用正则表达式，那么您可以简单地搜索“\|”并用其他字符替换它，然后进行拆分，然后再次用“\ |”替换它。

另一种选择是进行拆分，然后检查所有字符串，如果最后一个字符是 \，则将其与下一个字符串连接。

当然，如果您需要在管道之前使用转义的反斜杠，所有这些都会忽略会发生什么......比如“\\|”。

总的来说，我倾向于正则表达式。

坦率地说，我更喜欢使用FileHelpers，因为即使这不是逗号分隔的，但它基本上是一样的。他们有一个关于why you shouldn't write this stuff yourself 的精彩故事。

Answer 6

您可以使用正则表达式来做到这一点。一旦决定使用反斜杠作为转义字符，您需要考虑两种转义情况：

• 转义管道：\|
• 转义要按字面解释的反斜杠。

这两者都可以在同一个正则表达式中完成。转义的反斜杠将始终是两个 \ 字符在一起。连续的转义反斜杠将始终是偶数个 \ 字符。如果您在管道之前找到一个奇数序列的\，这意味着您有几个转义的反斜杠，然后是一个转义的管道。所以你想使用这样的东西：

/^(?:((?:[^|\\]|(?:\\{2})|\\\|)+)(?:\||$))*/

也许令人困惑，但它应该有效。说明：

^              #The start of a line
(?:...
    [^|\\]     #A character other than | or \ OR
    (?:\\{2})* #An even number of \ characters OR
    \\\|       #A literal \ followed by a literal |
...)+          #Repeat the preceding at least once
(?:$|\|)       #Either a literal | or the end of a line