使用模板从文本中提取数据

本文关键字：提取 数据 文本 | 更新日期: 2023-09-27 18:14:05

我正在构建一个接收来自多个crm系统的电子邮件的web服务。电子邮件通常包含文本状态，例如:"收到"或"完成"以及免费文本评论。

传入邮件的格式是不同的，例如有的系统将状态称为"status: ZZZZZ"，有的系统将状态称为"Action: ZZZZZ"。自由文本有时出现在状态之前，然后出现在状态之后。状态码将映射到我的系统解释，并且注释也是必需的。

此外，我希望格式随着时间的推移而改变，所以一个可配置的解决方案，可能由客户通过web界面提供他们自己的模板将是理想的。

该服务是使用。net c# MVC 3构建的，但我对一般策略以及任何特定的库/工具/方法感兴趣。

我从来没有真正理解过RegExp。我将再作一次努力，万一这确实是可行的办法。:)

使用模板从文本中提取数据

我会选择regex:

第一个例子，如果您只有类似Status: ZZZZZ的消息:

String status = Regex.Match(@"(?<=Status: ).*");
// Explanation of "(?<=Status: ).*" :
// (?<=       Start of the positive look-behind group: it means that the 
//            following text is required but won't appear in the returned string
// Status:    The text defining the email string format
// )          End of the positive look-behind group
// .*         Matches any character

第二个例子，如果你只有Status: ZZZZZ和Action: ZZZZZ类消息:

String status = Regex.Match(@"(?<=(Status|Action): ).*");
// We added (Status|Action) that allows the positive look-behind text to be 
// either 'Status: ', or 'Action: '

如果你想让用户提供自己的格式，你可以这样写:

String userEntry = GetUserEntry(); // Get the text submitted by the user
String userFormatText = Regex.Escape(userEntry);
String status = Regex.Match(@"(?<=" + userFormatText + ").*");

允许用户提交其格式，如Status:，或Action:，或This is my friggin format, now please read the status -->…

Regex.Escape(userEntry)部分很重要，以确保用户不会通过提交特殊字符如', ?, *…来破坏您的正则表达式。

要知道用户是在格式文本之前还是之后提交状态值，您有几个解决方案:

  • 你可以问用户他的状态值在哪里，然后相应地构建你的正则表达式:

    if (statusValueIsAfter) {
    // Example: "Status: Closed"
    regexPattern = @"(?<=Status: ).*";
} else {
    // Example: "Closed:Status"
    regexPattern = @".*(?=:Status)";  // We use here a positive look-AHEAD
}

  • 或者您可以更聪明一些，为用户条目引入一个标签系统。例如，用户提交Status: <value>或<value>=The status，您通过替换标记字符串来构建正则表达式。

相关文章：