从纯文本中解析换行符

Question

我有一个解析电子邮件的过程。我们用来检索和存储正文内容的软件似乎不包含换行符，所以我最终得到了这样的东西 -

Good afternoon, [line-break] this is my email. [line-break] Info: data [line-break] More info: data

我的 [line-break] 括号是换行应该所在的位置。然而，当我们提取正文时，我们得到的只是文本。这使得在没有换行符的情况下解析文本变得很困难。

基本上，我需要做的是解析每个[Info]: [Data]。我可以找到[Info] 标签的开始位置，但是没有换行符，我很难知道与该信息关联的数据应该在哪里结束。电子邮件来自 Windows。

有什么方法可以获取纯文本并将其编码为包含换行符的某种方式？

电子邮件内容示例

Good Morning, Order: 1234 The Total: $445 When: 7/10 Type: Dry

Good Morning, Order: 1235 The Total: $1743 Type: Frozen When: 7/22

Order: 1236 The Total: $950.14 Type: DRY When: 7/10

The Total: $514 Order: 1237 Type: Dry CSR: Tim W

Sorry, below is your order: Order: 1236 The Total: $500 When: 7/10 Type: Dry Creator: Josh A. Thank you

现在，我需要遍历电子邮件并解析出 Order、Total 和 Type 的值。另一个占位符：值是不相关且随机的。

Answer 1

试试这样的。
您需要添加所有可能的部分标识符：它可以随着时间的推移而更新，以添加更多已知的标识符，以减少解析字符串时出错的机会。

截至目前，如果已知标识符标记的值在解析字符串时包含未知标识符，则该部分将被删除。
如果遇到未知标识符，则将其忽略。

Regex.Matches 将提取所有匹配的部分，返回它们的值、索引位置和长度，因此使用[Input].SubString(Index, NextPosition - Index) 返回与请求的部分对应的值很简单。

EmailParser 类 GetPartValue(string) 通过名称返回标识符的内容（名称可以包含或不包含冒号字符，例如 "Order" 或 "Order:"）。
Matches 属性返回所有匹配标识符及其内容的Dictionary<string, string>。内容被清理——尽可能——调用CleanUpValue()方法。

调整此方法以处理一些特定/未来的需求。

► 如果您不传递 Pattern 字符串，则使用默认字符串。
► 如果您更改模式，设置 CurrentPatter 属性（可能使用存储在应用程序设置中或在 GUI 中编辑或其他任何内容），匹配值字典将被重建。

初始化：

string input = "Good Morning,  Order: 1234 The Total: $445 Unknown: some value Type: Dry When: 7/10";
var parser = new EmailParser(input);
string value = parser.GetPartValue("The Total");
var values = parser.Matches;

---

public class EmailParser
{
    static string m_Pattern = "Order:|The Total:|Type:|Creator:|When:|CSR:";

    public EmailParser(string email) : this(email, null) { }
    public EmailParser(string email, string pattern)
    {
        if (!string.IsNullOrEmpty(pattern)) {
            m_Pattern = pattern;
        }
        Email = email;
        this.Matches = GetMatches();
    }

    public string Email { get; }

    public Dictionary<string, string> Matches { get; private set; }

    public string CurrentPatter {
        get => m_Pattern;
        set {
            if (value != m_Pattern) {
                m_Pattern = value;
                this.Matches = GetMatches();
            }
        }
    }

    public string GetPartValue(string part)
    {
        if (part[part.Length - 1] != ':') part += ':';
        if (!Matches.Any(m => m.Key.Equals(part))) {
            throw new ArgumentException("Part non included");
        }
        return Matches.FirstOrDefault(m => m.Key.Equals(part)).Value;
    }

    private Dictionary<string, string> GetMatches()
    {
        var dict = new Dictionary<string, string>();
        var matches = Regex.Matches(Email, m_Pattern, RegexOptions.Singleline);

        foreach (Match m in matches) {
            int startPosition = m.Index + m.Length;
            var next = m.NextMatch();
            string parsed = next.Success
                ? Email.Substring(startPosition, next.Index - startPosition).Trim()
                : Email.Substring(startPosition).Trim();

            dict.Add(m.Value, CleanUpValue(parsed));
        }
        return dict;
    }

    private string CleanUpValue(string value)
    {
        int pos = value.IndexOf(':');
        if (pos < 0) return value;
        return value.Substring(0, value.LastIndexOf((char)32, pos));
    }
}