在C＃中的困難（對我來說）字符串解析（正則表達式？）

Question

我需要幫助來解析大量文本中的一些信息，基本上我正在導入一個PSD文件，並且想從中解析一些數據。

當中的文字是字符串，如這樣的：

\ r \ nj78876隨機文本STRINGS£75

現在我要做的就是搶適合這種格式的字符串（也許起始「\ r \ n」和結尾「£」可以是分隔符），並在開始時獲得代碼（j78876）和結束時的價格（）。注意價格可能是更多的數字，即2。

我想然後抓住代碼，如j78876和每個字符串這樣的價格，因爲它們會發生多次（不同的代碼和價格）。

任何人都可以提出一種方法來做到這一點？

我對Regex不太熟練，所以指導會很棒。

謝謝。

注意：下面是實際文本的縮略圖（實際文件中有很多）。

提及此戰爭安西安娜提及此戰爭的3Com/H3CLibellé雷馬克大獎賽恩€\ r \ nJ9449A HP V1810-8G 交換機139.00 \ r \ nJ9450A HP V1810-24G開關359,00 \ r \ nEdge交換機 - 管理\ r \ nHP Layer 2交換機 - 託管式可堆疊交換機和機箱\ r \ nHP交換機2510系列\ r \nRéférenceAncienne référence3Com/H3CLibelléRemarque Prix en€\ r \ nJ9019B HP E2510-24交換機359,00 \ r \ nJ9020A HP E2510-48交換機599,00 \ r \ nJ9279A HP E2510-24G交換機779,00 \ r \ nJ9280A HP E2510-48G交換機1 569,00 \ r \ nHP交換機2520系列\ r \nRéférenceAncienneréférence 3Com/H3CLibelléRemarque Prix zh_CN \ r \ nJ9137A HP E2520-8-PoE交換機489,00 \ r \ nJ9138A HP E2520-24-PoE交換機779,00 \ r \ nJ9298A HP E2520-8G-PoE交換機749,00 \ r \ nJ9299A HP E2520- 24G-PoE交換機1 569,00 \ r \ nHP第2層和第3層交換機 - Managed Stackables and Chassis \ r \ n RBP僅爲推薦價格。 \ r \ NHP交換機2600系列\ r \ n參考安西安娜

更新 我發現這一點：

[\\r\\n](\w\d+\w).*?(\d+,\d\d)[\\r\\n] 

爲我工作在正則表達式瀏覽器的測試，但不會在我的C＃代碼工作

Regex reg = new Regex(@"[\\r\\n](\w\d+\w).*?(\d+,\d\d)[\\r\\n]", RegexOptions.IgnoreCase); 
Match matched = reg.Match(str); 
if (matched.Success) 
{ 
    string code = matched.Groups[1].Value; 
    string currencyAmt = matched.Groups[2].Value; 
} 

最終更新： 在瀏覽器測試人員中，我不得不雙倍轉義\ r \ n - 在我的代碼中，這是沒有必要的。然後循環我使用循環答案的組。

foreach (Match match in Regex.Matches(content, @"[\r\n](?<code>\w\d+\w).*?(?<price>\d+,\d\d)[\r\n]", RegexOptions.IgnoreCase)) 
{ 
    string code = match.Groups["code"].Value; 
    string currencyAmt = match.Groups["price"].Value; 
} 

Answer 1

我會使用命名組來更容易地識別組。表達式的?<code>部分標識組。

你會想要使用匹配，正如你所說在你的文本中會出現幾個模式。通過他們所有這一切環路..

foreach (Match match in Regex.Matches(text, @"\r\n(?<code>\S+).*?(?<price>\d+)£")) 
{ 
    string code = match.Groups["code"].Value; 
    string currencyAmt = match.Groups["price"].Value; 
    Console.WriteLine(code); 
    Console.WriteLine(currencyAmt); 
} 

Answer 2

好的，你的問題是一個移動的目標。實際的文本樣本（與您的問題相矛盾）沒有英鎊。這裏有一個適應的表達：

new Regex(@"\r\n(\w+?).*?\s+(\d+?,\d\d)") 

在散文（這是一個性學習的網站畢竟）：比賽爲「\ r \ n」繼之以任何字母數字直到你打空格，然後什麼，直到你打空格之後在逗號後面有兩位數字的號碼。捕獲斜體中的部分。

正如我所說，我不做Obj-C，因此無法測試它。有關如何使用它，請參閱these C# docs（以及其他答案）。

Answer 3

Regex reg = new Regex(@"\r\n([a-z]\d+\w)\s.*\s(\d+\,?\d+?)\r\n", RegexOptions.IgnoreCase); 
string productCode, productCost; 
foreach (Match match in reg.Matches(str)) 
{ 
    productCode = match.Groups[1].Value; 
    productCost = match.Groups[2].Value; 
    //do something with values here 
} 

編輯是因爲我原來的答案是錯的。
根據您的示例上述作品。第一個參數，以新的正則表達式的
快速的正則表達式的解釋（：

@：讓我的字符串常量，使我不必到處添加額外的逃逸
\ r \ n：開頭
（即[az。 ] \ \：\ d + \ w）\ s：匹配您的產品代碼，我使用\ s來構造它，因爲它看起來是一致的空格
。*：匹配您的隨機生產描述字符串。 d + \，？\ d +？）：匹配一個空格，然後是第二次捕獲某種貨幣
\ r \ n：以。

如果你提供了一個更大的樣本數據集，我可以微調正則表達式。

Answer 4

最終的結果是這樣的：

foreach (Match match in Regex.Matches(content, @"[\r\n](?<code>\w\d+\w).*?(?<price>\d+,\d\d)[\r\n]", RegexOptions.IgnoreCase)) 
{ 
    string code = match.Groups["code"].Value; 
    string currencyAmt = match.Groups["price"].Value; 
} 

Answer 5

您添加樣本數據產生的問題比解決的問題多。我們是否應該將那些\r\n序列視爲回車+換行符（CRLF）或文字文本？此外，看起來空格字符已被插入隨機位置 - 在某些情況下，甚至在\r和\n之間。哦，並且沒有磅符號（£），只有歐元符號（€），並且它們絕不會像您最初指出的那樣與價格位於同一行。

如果該樣本確實代表了您的數據，那麼在開始搜索之前，您應該嘗試清理它（或讓提供給您的人員將其清理乾淨）。我做到了，所以我可以測試我的正則表達式;如果我做出了任何錯誤的假設，請讓我知道。這裏，它是：

Regex rgx = new Regex(@"^(\w+).*?(\d+,\d\d)(?:[\r\n]+|\z)", RegexOptions.Multiline); 

    string s = @"Référence Ancienne référence 3Com/H3C Libellé Remarque Prix en € 
J9449A HP V1810-8G Switch 139,00 
J9450A HP V1810-24G Switch 359,00 
Edge Switches - Managed 
HP Layer 2 Switches - Managed Stackables and Chassis 
HP Switch 2510 Series 
Référence Ancienne référence 3Com/H3C Libellé Remarque Prix en € 
J9019B HP E2510-24 Switch 359,00 
J9020A HP E2510-48 Switch 599,00 
J9279A HP E2510-24G Switch 779,00 
J9280A HP E2510-48G Switch 1 569,00 
HP Switch 2520 Series 
Référence Ancienne référence 3Com/H3C Libellé Remarque Prix en € 
J9137A HP E2520-8-PoE Switch 489,00 
J9138A HP E2520-24-PoE Switch 779,00 
J9298A HP E2520-8G-PoE Switch 749,00 
J9299A HP E2520-24G-PoE Switch 1 569,00 
HP Layer 2 and 3 Switches - Managed Stackables and Chassis 
The RBP is a recommended price only. 
HP Switch 2600 Series 
Référence Ancienne"; 

    foreach (Match m in rgx.Matches(s)) 
    { 
    Console.WriteLine("code: {0}; price: {1}", 
     m.Groups[1].Value, m.Groups[2].Value); 
    } 

輸出：

code: J9449A; price: 139,00 
code: J9450A; price: 359,00 
code: J9019B; price: 359,00 
code: J9020A; price: 599,00 
code: J9279A; price: 779,00 
code: J9280A; price: 569,00 
code: J9137A; price: 489,00 
code: J9138A; price: 779,00 
code: J9298A; price: 749,00 
code: J9299A; price: 569,00 

在多模式的^足以在一行的開頭來錨定匹配;您不必與行分隔符（\r\n）本身相匹配。您可以使用以相同的方式在末尾使用$，但這不起作用，因爲.NET不會將\r視爲行分隔符。相反，我做了這樣的徒手畫：(?:[\r\n]+|\z)