C#可靠的模式匹配方法？答案

【问题标题】：C# reliable way to pattern match?C#可靠的模式匹配方法？
【发布时间】：2010-01-26 14:08:29
【问题描述】：

目前我正在尝试匹配诸如

之类的模式

text text date1 date2

所以我有正则表达式可以做到这一点。但是，问题是，例如，如果用户输入的数据有超过 1 个空格，或者如果他们将一些文本放在新行中等，则模式不会被拾取，因为它不完全正确匹配模式集。

有没有更可靠的模式匹配方法？我们的目标是让用户编写起来非常简单，但在我的终端上也很容易匹配。我正在考虑删除所有空格/换行符等，然后尝试匹配没有空格的模式，即texttextdate1date2。

谁有更好的解决方案？

更新

这是我需要匹配的模式的一个小例子：

FIND me@test.com 01/01/2010 to 10/01/2010

这是我当前的正则表达式：

FIND [A-Z0-9._%+-]+@[A-Z0-9.-]+\.[A-Z]{2,4} [0-9]{1,2}/[0-9]{1,2}/[0-9]{2,4} to [0-9]{1,2}/[0-9]{1,2}/[0-9]{2,4}

这在 90% 的情况下都可以正常工作，但是，如果用户通过电子邮件提交此信息，它可能具有我不感兴趣的所有不同类型的格式和 HTML。我正在使用 HtmlAgilityPack 和 HTML 的组合标记删除正则表达式以从电子邮件中删除所有 HTML，但即便如此，我似乎在某些情况下也无法匹配。

我相信这可能是一个比模式匹配更与解析相关的问题，但我认为也许有更好的方法来做到这一点......

【问题讨论】：

用一个正则表达式匹配多个空格绝对没有问题。向我们展示该模式，您将获得新的作为回报。 :)
@Jonas，正则表达式确实与空格匹配得很好，我已经有一个可以解决问题的。我的问题是我遇到了有时信息位于不同行等的情况，或者用户可能错误地在文本之间输入了几个额外的不需要的空格。我希望能够处理这些情况。
@James，请发布您正在使用的正则表达式。
正确的正则表达式查询可以轻松处理这些情况
@James 如果你想匹配一个电子邮件地址，你的正则表达式应该支持标准 (tools.ietf.org/html/rfc2822#section-3.4.1) - 这里有一个例子：regular-expressions.info/email.html

标签： c# regex parsing

【解决方案1】：

要匹配至少一个或多个空白字符（空格、制表符、换行符），请使用：

\s+

在您的模式中有物理空间的任何地方替换上述内容，您应该没问题。

【讨论】：

我想这可能就是我所缺少的。我会调整我的正则表达式，看看它是否有效！
有没有办法确定和检测您找到了哪种类型的空白？

【解决方案2】：

将文本中的多个组与多个空格和/或换行符匹配的示例。

var txt = "text text   date1\ndate2";
var matches = Regex.Match(txt, @"([a-z]+)\s+([a-z]+)\s+([a-z0-9]+)\s+([a-z0-9]+)", RegexOptions.Singleline);

matches.Groups[n].Value 中的 n 从 1 到 4 将包含您的匹配项。

【讨论】：

【解决方案3】：

我会将字符串拆分为一个字符串数组，并将每个结果字符串与必要的正则表达式进行匹配。

【讨论】：

【解决方案4】：

\b(text)[\s]+(text)[\s]+(date1)[\s]+(date2)\b

【讨论】：

【解决方案5】：

这是一个令人讨厌的表达方式，但以下内容适用于您提供的输入：

^(\w+)\s+([\w@.]+)\s+(\d{2}\/\d{2}\/\d{4})[^\d]+(\d{2}\/\d{2}\/\d{4})$

这也适用于捕获组之间的可变数量的空白。

【讨论】：

不正确，恐怕\w和@以及任何空白字符（\n除外）和后面的数字都会被.匹配，基本上是贪婪匹配。使用? 后缀进行非贪婪匹配。
. 是字符类的成员，因此它不代表元字符，而是文字值 "."

【解决方案6】：

通过 ORegex，您可以对字符串进行标记，并在标记序列上进行模式匹配：

var tokens = input.Split(new[]{' ','\t','\n','\r'}, StringSplitOptions.RemoveEmptyEntries);
var oregex = new ORegex<string>("{0}{0}{1}{1}", IsText, IsDate);

var matches = oregex.Matches(tokens); //here is your subsequence tokens.

...

public bool IsText(string str)
{
    ...
}

public bool IsDate(string str)
{
    ...
}

【讨论】：