【问题标题】:How do I split a string containing a numbered list into multiple strings?如何将包含编号列表的字符串拆分为多个字符串?
【发布时间】:2019-04-25 12:37:17
【问题描述】:

我正在尝试获取一个包含编号列表的字符串,其中每个列表旁边都有数据项,并根据每个数字旁边的数据将它们拆分为多个字符串。我尝试使用正则表达式,但这会导致一些问题,因为某些数据是货币价值,例如 120,000.00 英镑。

示例数据为

  1. Mr Test Test

  2. £100,000.00

  3. 5 Test Road, Test Street

测试输入:

string testInput = "1. Mr Test Test 2. £100,000 3. 5 Test Road"

但编号列表可能出现在字符串中的单独行上,因为字符串是使用PdfTextStripper in PDFBox 从PDF 中提取的

有没有办法可以准确地拆分它?

我最初使用 indexof 并依靠下一个数据项标题作为停止点,但数据并不总是相同(15 指向一个,25 在另一个上) .

期望的结果是:

string Name = "Mr Test Test";
string Money = "£100,000.00";
string Address = "5 Test Road, Test Street";

任何帮助将不胜感激

【问题讨论】:

  • 请包含文字输入字符串和预期输出。
  • 谢谢克里斯,在上面添加了更多信息。
  • 使用正则表达式拆分模式:\s?\d+\.\s 这至少会给你一个项目数组。

标签: c# .net string


【解决方案1】:

让我们实现一个简单的生成器;我们可以在 loop 中逐行查找:

代码:

private static IEnumerable<string> ParseListToLines(string value) {
  int start = 0;
  bool first = true;

  for (int index = 1; ; ++index) {
    string toFind = $"{index}.";

    int next = value.IndexOf(toFind, start);

    if (next < 0) {
      yield return value.Substring(start);

      break;
    }

    if (!first) // we don't return text before the 1st item
      yield return value.Substring(start, next - start);

    first = false;
    start = next + toFind.Length;
  }
}

演示:

 string testInput = "1. Mr Test Test 2. £100,000 3. 5 Test Road";

 string[] lines = ParseListToLines(testInput).ToArray();

 // string Name = lines[0].Trim();
 // string Money = lines[1].Trim();
 // string Address = lines[2].Trim();

 Console.Write(string.Join(Environment.NewLine, lines));

结果:

 Mr Test Test
 £100,000
 5 Test Road

编辑:更多带有详细测试的演示(在项目内和没有项目的新行;一位和两位数字标记;文本 - ** - 在初始 1. 标记之前):

  // Let's build multiline string...
  string testInput = "**\r\n" + string.Join(Environment.NewLine, Enumerable
    .Range(1, 12)
    .Select(i => $"{i,2}.String #{i} {(i < 3 ? "\r\n   Next Line" : "")}"));

  Console.WriteLine("Initial:");
  Console.WriteLine();

  Console.WriteLine(testInput);

  Console.WriteLine();
  Console.WriteLine("Parsed:");
  Console.WriteLine();

  // ... and parse it into lines
  string[] lines = ParseList(testInput)
    .Select(line => line.Trim())
    .Select((item, index) => $"line number {index} = \"{item}\"")
    .ToArray();      

  Console.WriteLine(string.Join(Environment.NewLine, lines));

结果:

Initial:

**              // This text - before initial "1." marker should be ingnored
 1.String #1    // 1st item contains multiline text
   Next Line    // 1st item continuation
 2.String #2    // Again, multiline marker
   Next Line
 3.String #3 
 4.String #4 
 5.String #5 
 6.String #6 
 7.String #7 
 8.String #8 
 9.String #9 
10.String #10   // two digit markers: "10.", "11.", "12."
11.String #11 
12.String #12 

Parsed:

line number 0 = "String #1    // 1st item is multiline one
   Next Line"
line number 1 = "String #2    // 2nd item is multiline as well
   Next Line"
line number 2 = "String #3"
line number 3 = "String #4"
line number 4 = "String #5"
line number 5 = "String #6"
line number 6 = "String #7"
line number 7 = "String #8"
line number 8 = "String #9"
line number 9 = "String #10"
line number 10 = "String #11"
line number 11 = "String #12"

编辑 2: 好吧,让我们再试一次:

string testInput = 
  "1. test 5. wrong 2. It's Correct 3. OK 4. 1. 2. 3. - all wrong 5. Corect Now;";

string[] report = ParseList(testInput)
  .Select(line => line.Trim())
  .ToArray();

Console.Write(string.Join((Environment.NewLine, report));

结果:

test 5. wrong
It's Correct
OK
1. 2. 3. - all wrong
Corect Now;

【讨论】:

  • 那太好了,德米特里,谢谢。是否可以调整上述内容以处理编号点之间的多行数据?例如,如果地址位于 1. 和 2. 之间的多行上?
  • @CodeTester9001:好吧,让我们创建一个详细的测试(见我的编辑)
  • 再次感谢。今晚我会试一试,让你知道我的进展情况
  • 这很好用,非常感谢。另一个快速的问题,有没有办法让它忽略编号列表中的数字,当它之前有一个数字时?例如 14. 测试测试 11.10 测试测试。我不希望它在 11.10 点分裂,只在 14 点分裂。如果这有意义吗?谢谢
  • @CodeTester9001:是的,这很有意义(请参阅我的 Edit 2),请注意第一个 5. 和第二个 1. 2. 3. 如何被忽略
猜你喜欢
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 2020-04-06
  • 1970-01-01
  • 1970-01-01
  • 2014-08-23
  • 2021-04-05
  • 1970-01-01
相关资源
最近更新 更多