c# - 如何将包含编号列表的字符串拆分为多个字符串?

标签 c# .net string

我正在尝试获取一个字符串,其中包含一个编号列表,每个列表旁边都有数据项,并根据每个数字旁边的数据将它们分成多个字符串。我尝试使用正则表达式,但这导致了一些问题,因为一些数据是货币值(value),例如 £120,000.00。

示例数据为

  1. 先生测试测试

  2. 100,000.00 英镑

  3. 5 测试路,测试街

测试输入:

string testInput = "1. Mr Test Test 2. £100,000 3. 5 Test Road"

但是,编号列表可能会出现在字符串中的不同行上,因为字符串是使用 PDFBox 中的 PdfTextStripperPDF 中提取的/p>

有什么方法可以准确拆分吗?

我最初是使用 indexof 并依赖下一个数据项标题作为停止点,但数据并不总是相同(15 点对一个,25 在另一个)。

想要的结果是:

string Name = "Mr Test Test";
string Money = "£100,000.00";
string Address = "5 Test Road, Test Street";

任何帮助将不胜感激

最佳答案

让我们实现一个简单的生成器;我们可以在循环中逐行查找:

代码:

private static IEnumerable<string> ParseListToLines(string value) {
  int start = 0;
  bool first = true;

  for (int index = 1; ; ++index) {
    string toFind = $"{index}.";

    int next = value.IndexOf(toFind, start);

    if (next < 0) {
      yield return value.Substring(start);

      break;
    }

    if (!first) // we don't return text before the 1st item
      yield return value.Substring(start, next - start);

    first = false;
    start = next + toFind.Length;
  }
}

演示:

 string testInput = "1. Mr Test Test 2. £100,000 3. 5 Test Road";

 string[] lines = ParseListToLines(testInput).ToArray();

 // string Name = lines[0].Trim();
 // string Money = lines[1].Trim();
 // string Address = lines[2].Trim();

 Console.Write(string.Join(Environment.NewLine, lines));

结果:

 Mr Test Test
 £100,000
 5 Test Road

编辑更多演示,包含详细测试(项目内和项目外的新行;一位和两位数标记;文本 - ** -在初始 1. 标记之前):

  // Let's build multiline string...
  string testInput = "**\r\n" + string.Join(Environment.NewLine, Enumerable
    .Range(1, 12)
    .Select(i => $"{i,2}.String #{i} {(i < 3 ? "\r\n   Next Line" : "")}"));

  Console.WriteLine("Initial:");
  Console.WriteLine();

  Console.WriteLine(testInput);

  Console.WriteLine();
  Console.WriteLine("Parsed:");
  Console.WriteLine();

  // ... and parse it into lines
  string[] lines = ParseList(testInput)
    .Select(line => line.Trim())
    .Select((item, index) => $"line number {index} = \"{item}\"")
    .ToArray();      

  Console.WriteLine(string.Join(Environment.NewLine, lines));

结果:

Initial:

**              // This text - before initial "1." marker should be ingnored
 1.String #1    // 1st item contains multiline text
   Next Line    // 1st item continuation
 2.String #2    // Again, multiline marker
   Next Line
 3.String #3 
 4.String #4 
 5.String #5 
 6.String #6 
 7.String #7 
 8.String #8 
 9.String #9 
10.String #10   // two digit markers: "10.", "11.", "12."
11.String #11 
12.String #12 

Parsed:

line number 0 = "String #1    // 1st item is multiline one
   Next Line"
line number 1 = "String #2    // 2nd item is multiline as well
   Next Line"
line number 2 = "String #3"
line number 3 = "String #4"
line number 4 = "String #5"
line number 5 = "String #6"
line number 6 = "String #7"
line number 7 = "String #8"
line number 8 = "String #9"
line number 9 = "String #10"
line number 10 = "String #11"
line number 11 = "String #12"

编辑 2:好吧,让我们尝试另一个测试:

string testInput = 
  "1. test 5. wrong 2. It's Correct 3. OK 4. 1. 2. 3. - all wrong 5. Corect Now;";

string[] report = ParseList(testInput)
  .Select(line => line.Trim())
  .ToArray();

Console.Write(string.Join((Environment.NewLine, report));

结果:

test 5. wrong
It's Correct
OK
1. 2. 3. - all wrong
Corect Now;

关于c# - 如何将包含编号列表的字符串拆分为多个字符串?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55849476/

相关文章:

c# - 在 DllImport 中指定 Charset.Unicode 是否分配字符串?

c# - linq:ToDictionary 是否减少了返回的列数?

c# - 模拟接口(interface)的特定类实例

.net - 如何在 vb.net 中设置 ffmpeg 输出的路径

python - 使用 python 匹配 fasta 文件中的 header

string - 在文本文件中查找具有特殊字符的字符串并在每次出现之前添加换行符

c# - 具有两种方式数据绑定(bind)的 Winforms 文本框无法正常工作

c# - 图像在 WPF 功能区控件中无法正确呈现

.net - 将.NET 4.0 dll安装到GAC

string - 在 Go 中拆分字符串列表中的字符串