C#Regex.Split有许多超过20个的字符串模式

本文关键字：字符串 模式 20个 Split 许多超 C#Regex | 更新日期: 2023-09-27 18:20:27

嗨，我试图使用Regex过滤大量文本文件。使用大约20多个我需要使用的字符串模式进行拆分，但结果不正确，并且有太多空字符串。

下面是我的代码

string[] tmp = Regex.Split(originalString, @"(LINE|3DFACE|3DSOLID|ARC|ATTDEF|ATTRIB|BODY|CIRCLE|DIMENSION|ELLIPSE|HATCH|HELIX|IMAGE|INSERT|LEADER|LIGHT||LWPOLYLINE|MLINE|MLEADER|MLEADERSTYLE|MTEXT|OLEFRAME|OLE2FRAME|POINT|POLYLINE|RAY|REGION|SECTION|SEQEND|SHAPE|SOLID|SPLINE|SUN|SURFACE|TABLE|TEXT|TOLERANCE|TRACE|UNDERLAY|VERTEX|VIEWPORT|WIPEOUT|XLINE)");

如果我只使用其中的5个，那么结果可以完全按照我的需要进行，regex.split对字符串模式有限制吗？

编辑1

感谢@MRAB-

这是实际运行工作和正确输出的代码

        string fileName = textBox1.Text;
        var stopwatch = new System.Diagnostics.Stopwatch();
        stopwatch.Start();
        TextReader sr = new StreamReader(fileName);
        string originalString = sr.ReadToEnd();
        sr.Close();
        string[] tmp = Regex.Split(originalString, @"(3DFACE|3DSOLID|ACAD_PROXY_ENTITIY|ARC|ATTDEF|ATTRIB|BODY|CIRCLE|DIMENSION|ELLIPSE|HATCH|HELIX|IMAGE|INSERT|LEADER|LIGHT|LWPOLYLINE|MLINE|MLEADERSTYLE|MLEADER|MTEXT|OLEFRAME|OLE2FRAME|POINT|POLYLINE|RAY|REGION|SEQEND|SHAPE|SOLID|SPLINE|SUN|SURFACE|TABLE|TEXT|TOLERANCE|TRACE|UNDERLAY|VERTEX|VIEWPORT|WIPEOUT|XLINE|LINE)");
        List<string> result = new List<string>();

        for (var i = 1; i < tmp.Count() - 1; i += 2)
        {
            result.Add(tmp[i] + tmp[i + 1]);
        }

C#Regex.Split有许多超过20个的字符串模式

您使用的是Regex类的静态Split方法。在Regex实例上还有一个Split方法，例如：

new Regex(@"(LINE|3DFACE|3DSOLID)").Split(originalString, 5, 0);

您的代码在正则表达式中包含以下内容：

"LIGHT||LWPOLYLINE"

这在我看来是个错误。

您还应该注意，当您有这样的正则表达式时：

"MLEADER|MLEADERSTYLE"

和这样的字符串：

"MLEADERSTYLE"

它将匹配CCD_ 5，因为这在正则表达式中较早发生。如果短文字作为较长文字的前缀出现，请将较长文字放在前面。

Like@IanNorton说，根据您的源数据，您可能需要考虑使用字符串标记器，而不是RegEx/Split。开发Lucene.Net的人有一个很好的例子可以借鉴。

相关文章：