Regex从给定字符串中提取编码类型

本文关键字：提取 编码 类型 字符串 Regex | 更新日期: 2023-09-27 18:21:48

在stackoverflow中关注最近的一个线程后，我发布了一个新问题：我有几个字符串，我想从中提取编码类型。我愿意使用regex:

示例：

utf-8 quoted printable
string str = "=?utf-8?Q?=48=69=67=68=2d=45=6e=64=2d=44=65=73=69=67=6e=65=72=2d=57=61=74=63=68=2d=52=65=70=6c=69=63=61=73=2d=53=61=76=65=2d=54=48=4f=55=53=41=4e=44=53=2d=32=30=31=32=2d=4d=6f=64=65=6c=73?=";
utf-8 Base 64
string fld4 = "=?utf-8?B?VmFsw6lyaWUgTWVqc25lcm93c2tp?= <Valerie.renamed@company.com>";
Windows 1258 Base 64
 string msg2= "=?windows-1258?B?UkU6IFRyIDogUGxhbiBkZSBjb250aW51aXTpIGQnYWN0aXZpdOkgZGVz?= =?windows-1258?B?IHNlcnZldXJzIFdlYiBHb1ZveWFnZXN=?=";
iso-8859-1 Quoted printable 
string fld2 = "=?iso-8859-1?Q?Fr=E9d=E9ric_Germain?= <Frederic.Germain@company.com>";

等等。。。

为了编写一个通用的解码函数，我们需要提取：

  • 字符集（utf-8、Windows1258等）

  • transfert编码类型（引用可打印或基本64）

  • 编码字符串

知道如何提取两者之间的模式吗？xxx？Q或xxx？B

注意：这可以是大写或小写

谢谢。

Regex从给定字符串中提取编码类型

这里有一个Rubular可以帮你做到这一点。简而言之，此Regex ='?(.*?)'?[QBqb]将获取该编码。但需要注意的是，在获取结果时，你给出的第三个例子中有两场比赛，所以请确保你决定如何处理第二场比赛。

这是一个完整的工作解决方案

public class Encoded
    {
        public string Charset;
        public string ContentTransfertEncoding;
        public string Data;
    }
    using System;
    using System.Collections.Generic;
    using System.Linq;
    using System.Text;
    using System.Text.RegularExpressions;
    namespace ConsoleApplication2
    {
     public class Decoding
{
    public Decoding()
    {
    }
    public List<Encoded> Process(string data)
    {
        List<Encoded> list = new List<Encoded>();
        var occurences = new Regex(@"='?[a-zA-Z0-9?=-]*'?[BbQq]'?[a-zA-Z0-9?=-]*'?=", RegexOptions.IgnoreCase);
        var matches = occurences.Matches(data);
        foreach (Match match in matches)
        {
            Encoded cls = new Encoded();
            cls.Data = match.Groups[0].Value;
            cls.Charset = GetCharset(cls.Data);                
            cls.ContentTransfertEncoding = GetContentTransfertEncoding(cls.Data);
            // cleanup data
            int pos = cls.Data.IndexOf("=?");
            pos = cls.Data.IndexOf("?",pos+ 2);
            cls.Data = cls.Data.Substring(pos + 3);
            cls.Data = cls.Data.Replace("?=", "");                
            list.Add(cls);
        }
        return list;            
    }
    private string GetContentTransfertEncoding(string data)
    {
        var occurences = new Regex(@"='?(.*?)'?[QBqb]", RegexOptions.IgnoreCase);
        var matches = occurences.Matches(data);
        foreach (Match match in matches)
        {
            int pos = match.Groups[0].Value.LastIndexOf('?');
            return match.Groups[0].Value.Substring(pos+1);
        }
        return data;
    }
    public string GetCharset(string data)
    {
        var occurences = new Regex(@"='?(.*?)'?[QBqb]", RegexOptions.IgnoreCase);
        var matches = occurences.Matches(data);
        foreach (Match match in matches)
        {
            string str1 = match.Groups[0].Value.Replace("=?", "");
            int pos = str1.IndexOf('?');
            str1 = str1.Substring(0, pos);
            return str1; // there should be only 1 match
        }
        return data;
    }
    public string Decodeetc...()
   }
相关文章：