C#模板解析与文本文件匹配

本文关键字：文本 文件 | 更新日期: 2023-09-27 18:00:35

需要一些想法来解决这个问题。我有一个模板文件，它描述了文本文件中的行。例如：

模板

[%f1%]|[%f2%]|[%f3%]"[%f4%]"[%f5%]"[%f6%]

文本文件

1234|1234567|123"12345"12"123456

现在我需要读取文本文件中的字段。在模板文件中，字段用[%some name%]进行描述。因此，在模板文件中设置了字段分隔符，在本例中有|和"。字段的长度可以在不同的文件中更改，但分隔符将保持不变。在模板中读取和在文本文件中通过模板读取的最佳方式是什么？

编辑：文本文件有多行，如下所示：

1234|1234567|123"12345"12"123456"'r'n
1234|field|123"12345"12"asdasd"'r'n
123sd|1234567|123"asdsadf"12"123456"'r'n
45gg|somedata|123"12345"12"somefield"'r'n

编辑2：好的，让我们更难。有些字段可以包含二进制数据，我知道二进制数据字段的起始和结束位置。我应该能够在模板中标记这些字段，然后解析器就会知道这个字段是二进制的。如何解决这个问题？

C#模板解析与文本文件匹配

我会基于模板创建一个正则表达式，然后使用以下内容解析文本文件：

class Parser
{
    private static readonly Regex TemplateRegex =
        new Regex(@"'[%(?<field>[^]]+)%'](?<delim>[^[]+)?");
    readonly List<string> m_fields = new List<string>();
    private readonly Regex m_textRegex;
    public Parser(string template)
    {
        var textRegexString = '^' + TemplateRegex.Replace(template, Evaluator) + '$';
        m_textRegex = new Regex(textRegexString);
    }
    string Evaluator(Match match)
    {
        // add field name to collection and create regex for the field
        var fieldName = match.Groups["field"].Value;
        m_fields.Add(fieldName);
        string result = "(.*?)";
        // add delimiter to the regex, if it exists
        // TODO: check, that only last field doesn't have delimiter
        var delimGroup = match.Groups["delim"];
        if (delimGroup.Success)
        {
            string delim = delimGroup.Value;
            result += Regex.Escape(delim);
        }
        return result;
    }
    public IDictionary<string, string> Parse(string text)
    {
        var match = m_textRegex.Match(text);
        var groups = match.Groups;
        var result = new Dictionary<string, string>(m_fields.Count);
        for (int i = 0; i < m_fields.Count; i++)
            result.Add(m_fields[i], groups[i + 1].Value);
        return result;
    }
}

您可以使用正则表达式解析模板。像这样的表达式将匹配每个字段定义和分隔符：

Match m = Regex.Match(template, @"^('[%(?<name>.+?)%'](?<separator>.)?)+$")

匹配将包含的两个命名组（名称和分隔符），每个组在输入字符串中每次匹配时都将包含多个捕获。在您的示例中，分隔符组将比名称组少一个捕获。

然后，您可以对捕获进行迭代，并使用结果从输入字符串中提取字段并存储值，如下所示：

if( m.Success )
{
    Group name = m.Groups["name"];
    Group separator = m.Groups["separator"];
    int index = 0;
    Dictionary<string, string> fields = new Dictionary<string, string>();
    for( int x = 0; x < name.Captures.Count; ++x )
    {
        int separatorIndex = input.Length;
        if( x < separator.Captures.Count )
            separatorIndex = input.IndexOf(separator.Captures[x].Value, index);
        fields.Add(name.Captures[x].Value, input.Substring(index, separatorIndex - index));
        index = separatorIndex + 1;
    }
    // Do something with results.
}

很明显，在一个真实的程序中，你必须考虑无效的输入等等，而我在这里没有这样做。

我会用几行代码来完成这项工作。循环浏览模板行，获取"["之间的所有文本作为变量名，其他所有文本作为终止符。将所有文本读取到终端，将其分配给变量名，重复。

1-使用API检查此处的sscanf(line, format, __arglist)

2-使用字符串拆分类似：

public IEnumerable<int> GetDataFromLines(string[] lines)
{ 
    //handle the output data
    List<int> data = new List<int>();
    foreach (string line in lines)
    {
        string[] seperators = new string[] { "|", "'"" };
        string[] results = line.Split(seperators, StringSplitOptions.RemoveEmptyEntries);
        foreach (string result in results)
        {
            data.Add(int.Parse(result));
        }
    }
    return data;
}

用线路测试：

line = "1234|1234567|123'"12345'"12'"123456";
string[] lines = new string[] { line };
GetDataFromLines(lines);
//output list items are:
1234
1234567
123
12345
12
123456
相关文章：