主页 / 问题 / 747568
Accepted
Anatol
Asked:2020-11-21 18:13:43 +0000 UTC2020-11-21 18:13:43 +0000 UTC

修复常规赛

  • 772

我以前没有参加过常规赛，这是练习和学习的好榜样。有一段文字： 

№   Вопрос  Ответ   
1   Дата звонка     08.08.2014   
2   Время звонка    16:30  
3   Имя оператора   Иванов Иван  
4   Номер телефона абонента     84957777777  
5   Кто звонит   
6   Номер карты  
7   Препарат  
8   Телефон  
9   Комментарий     тест звонок

可以说，它有3 列——数字、特征和值，它们由制表符分隔，但前面也可能没有 3 列，分别是制表符。我们需要一个正则表达式来提取所有这些列的值。

有这样一个选项： 

var TdPattern = new Regex(
            @"^ \s* (\d+) \s* \t ([^\t]+) \t \s* ([^\t]*) \s* $",
            RegexOptions.Compiled | RegexOptions.IgnorePatternWhitespace | RegexOptions.Multiline);

它可以工作，但如果在 2 个“列”之后没有选项卡，则会产生不正确的结果。

c#

3 个回答

  1. 逐行读取文件并使用通常string.Split()的 ，例如：

    class Data
{
    public string Num { get; set; }
    public string Question { get; set; }
    public string Answer { get; set; }

    public static Data Parse(string s)
    {
        var parts = s.Split('\t');
        var data = new Data { Num = parts[0] };
        if (parts.Length > 1) data.Question = parts[1];
        if (parts.Length > 2) data.Answer = parts[2];
        return data;
    }
}

    然后下载将如下所示：

    List<Data> list = File.ReadLines("путь к файлу")
                      .Select(Data.Parse)
                      .ToList();

    如果数据不在文件中，而是在字符串变量中，则先用换行符分割：

    List<Data> list = text.Split(new[] { "\r\n" }, StringSplitOptions.None)
                      .Select(Data.Parse)
                      .ToList();

    选择适当的换行符，也许它对你来说就足够了，'\n'或者'\r'

    如果可能遇到空行，您可以使用该选项跳过它们StringSplitOptions.RemoveEmptyEntries

    • 5
  2. Best Answer

    安德烈的答案是应该在现实生活中使用的解决方案，当可以访问代码时，以“纯程序化”的方式解决问题。

    用于在多行文本中查找行的正则表达式（带有换行符）必须用“anchors”（锚点）^（行首/LF 之后的位置，\n）和$（行尾/LF 之前的位置，\n) 带有修饰符RegexOptions.Multiline. 列之间的空格可以用\p{Zs}*, \p{Zs}- 除制表符之外的任何水平空格。如果您使用\s，那么您可能会无意中捕获下一行的一部分。\t找到一个制表符，并在一行上找到一列的值 - 使用[^\r\n\t]+/ [^\r\n\t]*，即 CR（ASCII 代码 13）、LF（ASCII 代码 10）和 TAB（ASCII 代码 9）以外的 1+/0+ 个字符。To 在多行模式下（使用RegexOptions.Multiline）绑定$发现以 CRLF 结尾的行尾必须加\r?在$.

    ?要声明一个可选的、可选的字符序列，您需要使用带有:量词的子模式（非或捕获，取决于我们是否希望稍后获取所有捕获的子字符串）(?:...)?。那些。当一行可能有也可能没有一列时，它可以声明为(?:\p{Zs}*\t\p{Zs}*[^\r\n\t]+)?. 由于它是?“贪婪的”，引擎将至少尝试在子模式中查找模式序列一次。如果没有找到，它将检查此可选组（如果有）之后的模板。

    表达式如下所示：

    (?m)^\p{Zs}*(\d+)\p{Zs}*\t\p{Zs}*([^\r\n\t]+)(?:\t\p{Zs}*([^\r\n\t]*)\p{Zs}*)?\r?$

    为了不混淆正则表达式的结构，您可以声明两个变量（分隔符和列模式）并在构建表达式时使用它们。

    在线查看演示：

    var tekst = "№\tВопрос\tОтвет   \n1 \tДата звонка \t08.08.2014   \n2 \tВремя звонка \t16:30  \n3 \tИмя оператора \tИванов Иван  \n4 \tНомер телефона абонента \t84957777777  \n5 \tКто звонит   \n6 \tНомер карты  \n7 \tПрепарат  \n8 \tТелефон  \n9 \tКомментарий     тест звонок   ";
var s = @"\p{Zs}*";
var z = @"[^\r\n\t]+";
var TdPattern = new Regex(
    $@"^{s}(\d+){s}\t{s}({z})(?:\t{s}({z}){s})?\r?$", // ^\p{Zs}*(\d+)\p{Zs}*\t\p{Zs}*([^\r\n\t]+)(?:\t\p{Zs}*([^\r\n\t]*)\p{Zs}*)?\r?$
    RegexOptions.Compiled | RegexOptions.IgnorePatternWhitespace | RegexOptions.Multiline);  
var result = TdPattern.Matches(tekst);
foreach (Match m in result) {
    Console.WriteLine(m.Groups[1].Value);
    Console.WriteLine(m.Groups[2].Value);
    if (m.Groups[3].Success) Console.WriteLine(m.Groups[3].Value);
    Console.WriteLine("---------------");
}

    结果：

    1
Дата звонка 
08.08.2014   
---------------
2
Время звонка 
16:30  
---------------
3
Имя оператора 
Иванов Иван  
---------------
4
Номер телефона абонента 
84957777777  
---------------
5
Кто звонит   
---------------
6
Номер карты  
---------------
7
Препарат  
---------------
8
Телефон  
---------------
9
Комментарий 
тест звонок   
---------------
    • 2

  3. 如果列确实是制表符分隔而不是空格分隔，那么以下正则表达式将有所帮助：^(\d+)\t(.*?)(?:\t(.*))?$

    如果列由多个空格分隔，那么您可以尝试以下操作：^(\d+)\s\s+(.*?)(?:\s[^\S\n]+(.*))?$

    • 1

相关问题