解析純文本表

我想解析純文本格式的表。該程序使用C＃編寫在Visual Studio中。我需要解析表格並將數據插入到數據庫中。解析純文本表

下面是一個示例表我將在被讀取：

ID Name   Value1  Value2   Value3  Value4 //header 
1  nameA   3.0   0.2   2   6.2 
2  nameB 
3  nameC   2.9       3.0   7.3 
4  nameD   1.5   3.0   1.8   1.1 
5  nameE 
6  nameF  1.2  2.4   3.3   2.5 
7  nameG  3.0  3.2   2.1   4.5 
8  nameH     88   12.4   28.9

在示例中，我將需要捕獲數據以ID 1，3，4，6，7，和8

我想到了兩種方法來解決這個問題，但他們都沒有100％的工作。

方法1：

通過在頭部讀書，我可以得到每列的起始索引。然後我將使用Substring收集每行的數據。

ISSUE：一旦它經過某一行（我不知道什麼時候發生這種情況），列移位，並且Substring將不再收集正確的數據。

此方法只收集正確的數據爲1，3和4。

方法2：

使用Regex收集所有的匹配。我希望這可以按此順序收集ID，名稱，值1，值2，值3，值4。

我的模式是(\d*?)\s\s\s+(.*?)\s\s\s+(\d*\.*\d*)\s\s\s+(\d*\.*\d*)\s\s\s+(\d*\.*\d*)\s\s\s+(\d*\.*\d*)

問題，即收集一些行被左移數據。例如，在ID 3上，Value2應該爲空，但正則表達式將爲Value2 = 3.0,Value3 = 7.3和Value4 = blank。同樣的問題也發生在ID 8

問：

我怎樣才能在全表中讀取並正確解析它們？

（1）我不知道開始從該行的值將被轉移並

（2）我不知道有多少細胞會通過，如果它們是一致的移動。

其他信息

表爲PDF文件，我轉換PDF到文本文件，這樣我就可以在數據讀取方面。移動數據發生在一張表跨越多個頁面時，但不一致。

編輯

下面是一些實際的數據：

68      BENZYL ALCOHOL        6.0       0.4   1     7.4 

91      EVERNIA PRUNASTRI (OAK MOSS)     34        3    3     10 

22      test                  2323   23     12

來源

2014-07-07 sora0419

值是否有空格？ – dognose

表中是否有空格（''）？如果不是的話，你可以只讀一行，並在所有空格處拆分並排除所有空字符串 – coolerfarmer

@coolerfarmer認爲相同 - 但不起作用，因爲可能有空單元格。所以你不知道如何在4列上分配3個值。（除非你建立一些容易出錯的邏輯，通過計算兩者之間的空格來確定它。） – dognose

OK，這裏ü去！使用此正則表達式模式：

注意：您必須將此匹配到任何一行，而不是整個文檔！如果你想爲你的整個文檔做這個，那麼你必須添加'多行'修飾符（'m'）。您可以通過在正則表達式模式開始處添加(?m)來完成此操作！

編輯：

您提供您的真實數據的一些行。這裏是我更新後的正則表達式模式：

^(?<id>\d+)(?:\s{2,25})(?<name>.+?)(?:\s{2,45})(?<val1>\d+(?:\.\d+)?)?(?:\s{2,33})(?<val2>\d+(?:\.\d+)?)?(?:\s{2,14})(?<val3>\d+(?:\.\d+)?)?(?:\s{2,19})(?<val4>\d+(?:\.\d+)?)?$

來源

2014-07-07 17:26:01 coolerfarmer

非常感謝你！我試過你的正則表達式，它適用於我提供的示例，但是，當我插入實際數據時，它不起作用。這是來自實際數據「68 BENZYL ALCOHOL 6.0 0.4 1 7.4」的一行，你能解釋爲什麼它沒有捕獲並幫助我修改它嗎？ – sora0419

好的，我會試試。你能給我多一行數據，所以我可以用它測試一下嗎？ – coolerfarmer

請參閱我的編輯，謝謝！ – sora0419

如何處理這個文件就像一個固定長度的文件，在那裏你可以通過索引和長度定義每個列。一旦你定義了固定長度的列，你可以通過Substring然後Trim來得到列的值來清理它。

您可以將所有這些包裝在Linq語句中，投影到anonymouse類型並過濾所需的ID。

事情是這樣的：

static void Main(string[] args) 
{ 
    int[] select = new int[] { 1, 3, 4, 6, 7, 8 }; 
    string[] lines = File.ReadAllLines("TextFile1.txt"); 

    var q = lines.Skip(1).Select(l => new { 
     Id = Int32.Parse(GetValue(l, 0, 6)), 
     Name = GetValue(l, 6, 11), 
     Value1 = GetValue(l, 17, 11), 
     Value2 = GetValue(l, 28, 13), 
     Value3 = GetValue(l, 41, 14), 
     Value4 = GetValue(l, 55, 13), 
    }).Where(o => select.Contains(o.Id)); 

    var r = q.ToArray();   
} 

static string GetValue(string line, int index, int length) 
{ 
    string value = null; 
    int lineLength = line.Length; 

    // Take as much of the line as we can up to column length 
    if(lineLength > index)    
     value = line.Substring(index, Math.Min(length, lineLength - index)).Trim(); 

    // Return null if we just have whitespace 
    return String.IsNullOrWhiteSpace(value) ? null : value; 
}

來源

2014-07-07 17:25:11

解析純文本表

回答

相關問題