如何解析字符串以提取年份范围值？答案

【问题标题】：How to parse a string to extract year range values?如何解析字符串以提取年份范围值？
【发布时间】：2010-11-04 00:28:20
【问题描述】：

我收到了更改请求，但我不确定如何最好地处理它。如果客户搜索某些内容，并且他们指定的年份或年份范围大于我们数据库中的数据，我必须返回与我们拥有的最新年份范围相对应的结果。

目前我们在数据库中的结果都遵循以下模式之一：

Thing1 Thing2 S1 // There's some results with no year
Thing1 Thing2 2006-07 Series 6 // there's some results with 'Series X'
Thing1 Thing2 2006-2007 S12 RP // some resuls have SN or SN YZ
Thing1 Thing2 2020-21 S6 // some results don't have a full second year
Thing1 Thing2 2022-2024 S12
Thing1 Thing2 2024 Onwards // the result that matches the final year just has the year & 'Onwards'

世界上有更多关于 Thing1 Thing2 的结果，直到 2060 年，但我们只保留 +14 年的数据，因为 14 年后（比如 2026 年或 2028 年），数据与几年前。

我们拥有的最大年份，存在的最大年份每 2 年增加 2 年。所以在 2012 年，我们将拥有 Thing1 Thing2 2026 Onwards，并且存在的最大值将是 2062。

所以基本上，我需要识别客户端何时搜索 [Thing1 (or) Thing2 with a year range]，如果第一年的值大于 [今年 + 14] 我必须返回 [今年 + 14]，但前提是当前年份是偶数年，否则我必须返回[今年+13]。

我遇到的麻烦是如何识别不遵循明确定义模式的字符串中间的年份，除了年份范围的第一部分以 4 位数年份开头。

对我来说最好的方法是什么？有人可以建议我如何解决这个问题吗？谢谢。

【问题讨论】：

标签： c# algorithm string

【解决方案1】：

这个正则表达式模式可以很好地工作：\b(?<Year1>\d{4})(?:-(?<Year2>\d{2,4}))?\b

解释：

\b: 是一个词边界，以确保我们完全独立地捕捉年份，而不是作为另一个词的一部分（即没有部分匹配） - 这用于锚定模式的两端
(?<Year1>\d{4})：命名捕获组以匹配 4 位数字
(-(?<Year2>\d{2,4}))?：这匹配 - 破折号，然后在第二年使用命名捕获组，该组匹配 2-4 个重复数字，因为这些年份的长度不同。左括号和右括号将此模式组合在一起，最后尾随的 ? 使整个组对于不存在第二年的情况是可选的。

从技术上讲，\d{2,4} 部分接受 07, 107, 2007。显然 3 位数的年份是不正确的。我建议您执行额外的错误检查以捕获此类情况。您可以通过将其更改为 \d{2}|\d{4} 来阻止它，但随后您将匹配 Year1 而不是 Year2 并丢失用户输入。

代码如下：

string[] inputs = { "Thing1 Thing2 S1", "Thing1 Thing2 2006-07 Series 6", "Thing1 Thing2 2006-2007 S12 RP", "Thing1 Thing2 2020-21 S6", "Thing1 Thing2 2022-2024 S12", "Thing1 Thing2 2024 Onwards" };
string pattern = @"\b(?<Year1>\d{4})(-(?<Year2>\d{2,4}))?\b";
Regex rx = new Regex(pattern);

foreach (var input in inputs)
{
    Match m = rx.Match(input);
    Console.WriteLine("{0}: {1}", m.Success, input);
    if (m.Success)
    {
        string year1 = m.Groups["Year1"].Value;
        string year2 = m.Groups["Year2"].Value;
        Console.WriteLine("Year1: {0}, Year2: {1}", year1, year2 == "" ? "N/A" : year2);
    }
    Console.WriteLine();
}

【讨论】：

【解决方案2】：

也许只需搜索字符串中的前 4 个数字字符（如果有）并将它们视为年份就可以了吗？

【讨论】：

【解决方案3】：

或像

这样的正则表达式

perl -ne '/(\d\d\d\d)-(\d\d(\d\d)?)/; print "$1:$2:$3"'

【讨论】：