使用正则表达式解析表格数据

Question

我正在用 C# 编写一个应用程序，它解析一些文本文件并从中获取信息。我需要解析如下表格数据并将信息填充到类的属性中。

我对表格和列标题没有任何问题。我也可以使用捕获组获取数据，但在某些情况下，某些值可能为空（或可能包含空格，如第 4 数据行 Col6）

示例：

===============================================================================
Table Header
===============================================================================
Col1         Col2      Col3 Col4 Col5       Col6
-------------------------------------------------------------------------------
21           abc       xyz  xyz  1          blablabla
22           abc       xyz       1          bla-bla-bla
103          abc       xyz  xyz  1          
4000         abc       xyz  xyz  1          blabla bla
4001         abc       xyz  xyz  1          

我有这样的数据线模式：

([\w\d\-_\.\*\#\:\\/\<\>]+)\s+([\w\d\-_\.\*\#\:\\/\<\>]+)\s+([\w\d\-_\.\*\#\:\\/\<\>]+)\s+([\w\d\-_\.\*\#\:\\/\<\>]+)\s+([\w\d\-_\.\*\#\:\\/\<\>]+)\s+([\w\d\-_\.\*\#\:\\/\<\>]+)?$

当所有列都包含数据时，它可以正常工作。当我在最后一个捕获组（对于 Col6）中的字符类中添加一个空白字符时，它开始将两个连续的行匹配在一起。我需要逐行匹配。我该怎么做？

第二个问题是，对于许多列，我需要“除空格之外的任何字符”方法，我在捕获组中使用此模式：([\w\d-_.*#:\/\]+ )

如果数据可能包含空格，我将在此模式中添加一个空格字符。这是正确的方法吗？还是在这样的文本中会出现问题（例如列不匹配）？

谢谢

Answer 1

这不能用正则表达式来完成。

为了解释原因，让我们以数据中的第二行为例：

Col1         Col2      Col3 Col4 Col5       Col6
-------------------------------------------------------------------------------
22           abc       xyz       1          bla-bla-bla

您处理这种情况的方式可能会将“1”匹配为 Col4，而 Col5 为空。没有条件告诉正则表达式引擎“1”实际上是第 5 列。 Live example

假设数据是固定长度的，我建议使用String.Substring()

---

至于您的第二个问题：
除空格外的任何字符 = [^ ] 使用 Negated character class
或者您可以使用\S（除空格以外的任何字符）