c#:解析文本文件
本文关键字:文本 文件 | 更新日期: 2023-09-27 18:01:35
我有一个文本文件,文件的内容是这样的:
idiom: meaning
description.
o example1.
o example2.
idiom: meaning
description.
o example1.
o example2.
.
.
.
可以看到,该文件包含上述段落,每个段落都有一些我想提取的数据(注意,示例从o
开始)。例如,我们有这些数据:
public class Idiom
{
public string Idiom { get; set; }
public string Meaning { get; set; }
public string Description { get; set; }
public IList<IdiomExample> IdiomExamples { get; set; }
}
public class IdiomExample
{
public string Item { get; set; }
}
是否有任何方法提取该文件中的这些字段?任何想法?
文件可以是任何东西,比如习语和动词……例如,这就是我的模式例如:
little by little: gradually, slowly (also: step by step)
o Karen's health seems to be improving little by little.
o If you study regularly each day, step by step your vocabulary will increase.
to tire out: to make very weary due to difficult conditions or hard effort (also: to wear out) (S)
o The hot weather tired out the runners in the marathon.
o Does studying for final exams wear you out? It makes me feel worn out!
提前致谢
这是我的正则表达式为您的问题:
(?<section>(?<idiom>^.+?):(?<meaning>.+)['n](?<description>.*?)(?<examples>(?<example>o.+['s'r'n])+))
我稍微测试了一下,但我认为你还需要修正一些小问题。总的来说,它工作得很好。
这个正则表达式的设置:
RegexOptions.IgnoreCase | RegexOptions.Multiline | RegexOptions.ExplicitCapture | RegexOptions.IgnorePatternWhitespace | RegexOptions.CultureInvariant
嗯,你有三种方法来处理你的文件。首先是使用正则表达式,它是开发速度最快、性能最慢的解决方案。第二个是将文本解析为字符串,并使用LINQ或任何您想要的东西。对我来说,这种方法有bug,不可伸缩等等,但它有更好的性能,如果你处理非常大的文件,这一点是至关重要的。第三种是使用正式语法和终端机器之类的东西……我从来没有实现过这样的东西,但我知道,它是快速的,很难开发和维护,所以我建议你使用regexp,然后迁移到另一种方法,如果性能将成为你的瓶颈
希望这对你有帮助!
你的例子没有描述,但是这个regexp接受可选的描述。它让你知道如何解析你的输入,而不是整个c#代码。
请看这个演示,看看Groups
(?smx)
^
([^:'n]+):'s*([^'n]+)
'n([^o].*?'n|)
(^o.*?)
(?='Z|^[^o:'n]+:)
之后:
组#1有成语
组#2有意义
组#3有描述如果存在
组#4有所有的例子
这个正则表达式不会把你的例子解析成几个例子,那是下一个工作。你也可能不喜欢一些换行符
这样应该可以工作。我还没有测试过,但稍加调试,我想它会起作用的。
我知道你把regex
放在标签中,但这也是一种提取行的方法。
using ( var textReader = new StreamReader("idioms.txt") )
{
var idioms = new List<Idiom>();
string line;
while ( ( line = textReader.ReadLine() ) != null )
{
var idiom = new Idiom();
if ( line.StartsWith("idiom: ") )
{
idiom.Meaning = line.Replace("idiom: ", string.Empty);
idiom.Description = textReader.ReadLine();
while ( ( line = textReader.ReadLine() ) != null )
{
if ( line.StartsWith("o ") )
idiom.IdiomExamples.Add(new IdiomExample { Item = line.Replace("o ", string.Empty) });
else break;
}
idioms.Add(idiom);
}
}
///idioms ready
}
类似这样的东西(没有测试,这只是一个建议)
RegEx r = new RegEx(@"Idiom:([^'n]+)'n([^o]+)(o([^o]+)o)*");