解析格式化字符串

Question

我正在尝试创建通用格式化程序/解析器组合。

示例场景：

• 我有一个 string.Format() 的字符串，例如var format = "{0}-{1}"
• 我有一个用于输入的对象（字符串）数组，例如var arr = new[] { "asdf", "qwer" }
• 我正在使用格式字符串格式化数组，例如var res = string.Format(format, arr)

我要做的是将格式化的字符串恢复回对象（字符串）数组。类似（伪代码）：

var arr2 = string.Unformat(format, res)

// when: res = "asdf-qwer"    
// arr2 should be equal to arr

有没有人做过这样的事情？我正在考虑使用正则表达式（修改原始格式字符串，然后将其传递给 Regex.Matches 以获取数组）并为格式字符串中的每个占位符运行它。这是可行的还是有其他更有效的解决方案？

Answer 1

虽然有关丢失信息的 cmets 是有效的，但有时您只想获取具有已知格式的字符串的字符串值。

一种方法是this blog post 我的一个朋友写的。他实现了一个名为string[] ParseExact() 的扩展方法，类似于DateTime.ParseExact()。数据以字符串数组的形式返回，但如果你能接受它，它会非常方便。

public static class StringExtensions
{
    public static string[] ParseExact(
        this string data, 
        string format)
    {
        return ParseExact(data, format, false);
    }

    public static string[] ParseExact(
        this string data, 
        string format, 
        bool ignoreCase)
    {
        string[] values;

        if (TryParseExact(data, format, out values, ignoreCase))
            return values;
        else
            throw new ArgumentException("Format not compatible with value.");
    }

    public static bool TryExtract(
        this string data, 
        string format, 
        out string[] values)
    {
        return TryParseExact(data, format, out values, false);
    }

    public static bool TryParseExact(
        this string data, 
        string format, 
        out string[] values, 
        bool ignoreCase)
    {
        int tokenCount = 0;
        format = Regex.Escape(format).Replace("\\{", "{");

        for (tokenCount = 0; ; tokenCount++)
        {
            string token = string.Format("{{{0}}}", tokenCount);
            if (!format.Contains(token)) break;
            format = format.Replace(token,
                string.Format("(?'group{0}'.*)", tokenCount));
        }

        RegexOptions options = 
            ignoreCase ? RegexOptions.IgnoreCase : RegexOptions.None;

        Match match = new Regex(format, options).Match(data);

        if (tokenCount != (match.Groups.Count - 1))
        {
            values = new string[] { };
            return false;
        }
        else
        {
            values = new string[tokenCount];
            for (int index = 0; index < tokenCount; index++)
                values[index] = 
                    match.Groups[string.Format("group{0}", index)].Value;
            return true;
        }
    }
}

Answer 2

您无法取消格式化，因为信息已丢失。 String.Format 是一种“破坏性”算法，这意味着您不能（总是）返回。

创建一个继承自string 的新类，在其中添加一个跟踪"{0}-{1}" 和{ "asdf", "qwer" } 的成员，覆盖ToString()，并稍微修改您的代码。

如果它变得太棘手，只需创建相同的类，但不要从 string 继承并修改更多代码。

IMO，这是最好的方法。

Answer 3

在一般情况下根本不可能。 Format 方法中的某些信息将“丢失”（字符串边界）。假设：

String.Format("{0}-{1}", "hello-world", "stack-overflow");

你会如何“取消格式化”它？

Answer 4

假设原始字符串中没有“-”，可以不直接使用Split吗？

var arr2 = formattedString.Split('-');

请注意，这仅适用于带有假设的示例。任何反向算法都取决于所采用的格式类型；正如其他答案所指出的那样，甚至可能无法进行逆运算。

Answer 5

一个简单的解决方案可能是

• 用 (.*) 替换所有格式标记
• 转义format 中的所有其他特殊字符
• 使正则表达式匹配非贪婪

这会将歧义解决为最短的匹配。

（我不擅长正则表达式，所以请纠正我，伙计们:)）

Answer 6

格式化后，可以将生成的字符串和对象数组放入字典中，以字符串为键：

Dictionary<string,string []> unFormatLookup = new Dictionary<string,string []>
...
var arr = new string [] {"asdf", "qwer" };
var res = string.Format(format, arr);
unFormatLookup.Add(res,arr);

在 Unformat 方法中，您可以简单地传递一个字符串并查找该字符串并返回使用的数组：

string [] Unformat(string res)
{
  string [] arr;
  unFormatLoopup.TryGetValue(res,out arr); //you can also check the return value of TryGetValue and throw an exception if the input string is not in.
  return arr; 
}