查找重复列并用计数替换匹配项答案

【问题标题】：find duplicate columns and replace matches with count查找重复列并用计数替换匹配项
【发布时间】：2013-08-26 23:58:04
【问题描述】：

我有一个制表符分隔的文件，其中有重复的命名标题；

[Column1] \t [Column2] \t [test] \t [test] \t [test] \t [test] \t [Column3] \t [Column4]

我想要做的是用整数重命名重复的列 [test]。所以会变成类似

[Column1] \t [Column2] \t [test1] \t [test2] \t [test3] \t [test4] \t [Column3] \t [Column4]

到目前为止，我可以隔离第一行。然后数一下我找到的匹配项

string destinationUnformmatedFileName = @"C:\New\20130816_Opportunities_unFormatted.txt";
string destinationFormattedFileName = @"C:\New\20130816_Opportunities_Formatted.txt";
var unformattedFileStream = File.Open(destinationUnformmatedFileName, FileMode.Open, FileAccess.Read);  // Open (unformatted) file for reading
var formattedFileStream = File.Open(destinationFormattedFileName, FileMode.Create, FileAccess.Write);   // Create (formattedFile) for writing

StreamReader sr = new StreamReader(unformattedFileStream);
StreamWriter sw = new StreamWriter(formattedFileStream);

int rowCounter = 0;
// Read each row in the unformatted file
while ((currentRow = sr.ReadLine()) != null)
{
    //First row, lets check for duplicate names
    if (rowCounter = 0)
    {

    // Write column name to array
    string delimiter = "\t";
    string[] fieldNames = currentRow.Split(delimiter.ToCharArray());

    foreach (string fieldName in fieldNames)
    {
        // fieldName must be followed by a tab for it to be a duplicate
        // original code - causing the issue
        //Regex rgx = new Regex("\\t(" + fieldName + ")\\t");
        // Edit - resolved the issue
        Regex rgx = new Regex("(?<=\\t|^)(" + fieldName + ")(\\t)+");   

        // Count how many occurances of fieldName in currentRow
        int count = rgx.Matches(currentRow).Count;               
        //MessageBox.Show("Match Count = " + count.ToString());

        // If we have a duplicate field name 
        if (count > 1)                                           
        {
             string newFieldName = "\t" + fieldName + count.ToString() + "\t";
             //MessageBox.Show(newFieldName);
             currentRow = rgx.Replace(currentRow, newFieldName, 1);   
         }
     }
     }
rowCounter++;
}

我认为我在正确的轨道上，但我不认为正则表达式工作正常？

编辑：我想我已经知道如何使用 using 找到模式了；

Regex rgx = new Regex("(?<=\\t|^)(" + fieldName + ")(\\t)+");

这不是一个交易破坏者，但现在唯一的问题是它标签；

[Column1] \t [Column2] \t [test4] \t [test3] \t [test2] \t [test] \t [Column3] \t [Column4]

代替

[Column1] \t [Column2] \t [test1] \t [test2] \t [test3] \t [test4] \t [Column3] \t [Column4]

【问题讨论】：

“我不认为正则表达式工作正常”听起来你甚至不确定是否有问题。什么不工作？你有例外吗？错误的结果？没结果？此外，您可能希望对模式使用逐字字符串以避免双重转义：@"\t(。其次，您可能应该在将其连接成模式之前运行fieldName 到Regex.Escape()，因为它可能包含元字符。
关于您的编辑。如果这样可以解决问题，那么问题是匹配永远不会重叠。由于您在字段名称之前和之后需要 \t，因此相邻字段的匹配项会重叠。环视是一个很好的解决方案。另外，请将您的解决方案作为答案发布（如果没有更好的解决方案，请接受）。
感谢 m.buettner - 我已经发布了答案，但需要等待 2 天才能接受。现在感觉不好浪费人们的时间应该等待更长的时间和更多的研究。感谢您的帮助！
与论坛网站不同，我们不使用“谢谢”、“任何帮助表示赞赏”或Stack Overflow 上的签名。请参阅“Are taglines & signatures disallowed?”和“Should 'Hi', 'thanks,' taglines, and salutations be removed from posts?。

标签： c# regex ssis

【解决方案1】：

首先在RegExr 测试您的正则表达式。我认为“\t”是一个特殊字符。试试“\\t”。在您的 C# 中，它将是 "\\\\t"

【讨论】：

他做到了，反正也没关系。正则表达式引擎可以处理实际的制表符以及转义的\t。

【解决方案2】：

使用下面的

 Regex rgx = new Regex("(?<=\\t|^)(" + fieldName + ")(\\t)+");

通过使用我在此处找到的环视解决了问题； http://www.regular-expressions.info/duplicatelines.html

可能应该在发布前多花几分钟研究一下。

【讨论】：

【解决方案3】：

这是Regex 和LINQ 之间的伟大组合：

var input = @"[Column1] \t [Column2] \t [test] \t [test] \t [test] \t [foo] \t [test] \t [Column3] \t [foo] \t [Column4]";
Regex reg = new Regex(@"(?<=\\t )[[](.+?)[]]");
string output = "";
int k = 0;           
foreach (var m in reg.Matches(input)
                     .OfType<Match>()
                     .Select((x,i)=>new {x,i})
                     .GroupBy(g=>g.x.Value)
                     .Where(g=>g.Count()>1)
                     .SelectMany(x=> x.Select((a,i)=>new {a,i=i+1}))
                     .OrderBy(x=>x.a.i)){                        
     output += input.Substring(k, m.a.x.Index - k) + m.a.x.Result("[${1}" + m.i + "]");
     k = m.a.x.Index + m.a.x.Length;
 }
 output += input.Substring(k);

结果： [Column1] \t [Column2] \t [test1] \t [test2] \t [test3] \t [foo1] \t [test4] \t [Column3] \t [foo2] \t [Column4 ]

【讨论】：