动态分隔符上的字符串拆分答案

【问题标题】：String split on dynamic separator动态分隔符上的字符串拆分
【发布时间】：2019-04-04 18:11:54
【问题描述】：

我要处理以下问题。我必须从通信缓冲区中提取消息。可悲的是，通信协议很糟糕，结构也不是很好。我想出的区分缓冲区中数据包的唯一方法是由服务器传输的中间“ack”命令。

示例：

[包1][ACK][包2][ACK][包3]

我可以使用 String.Split(ACK)，但分隔符也不一致。不过，有 3 条规则可以识别 ack 数据包。

以“AK”开头。
以“0”或“1”结尾。
总长度为 5 个字符。

确认示例：
"AKxxy" 其中：
xx: (01 到 99)
y: (0 或 1)

我希望可能有一个正则表达式可以解决我的问题，但我缺乏所需的知识和时间。

是否有任何正则表达式“专家”可以帮助我？随时提出任何解决方案。
谢谢。

编辑：
示例数据包（我真的不得不删除数据包信息）：
AK010机密包1AK011机密包2AK020AK011机密包3AK021机密包4AK050

遗憾的是，协议中的每个数据包都不是以特定字符开头或结尾的，所以我无法区分它们。为了识别每一个，我必须使用 ack 数据包将它们拆分，然后对每一个执行不同的检查。

【问题讨论】：

您能否编辑问题并添加一些示例字符串和预期输出？
“但我缺乏所需的知识和时间。”这就是为什么你把你的工作交给我们？这不是 SO 应该如何工作的。我们都有自己的工作，时间不多。因此，如果您卡在某个特定点，请善待自己并提出问题。
@HimBromBeere 确实，我似乎将工作交给了其他人，但这不是我的目标。我认为对于一个对 RegEx 有深刻理解的人来帮助我将是一件容易的事。在过去的几天里，我一直在尝试使用复杂、丑陋且最终不正确的字符串操作来解决这个问题，但我做不到。如果我违反了任何社区政策，我深表歉意。
更大的风险/问题是如果包裹可以跨越缓冲区的末端。

标签： c# regex string split packet

【解决方案1】：

直接翻译是

\bAK\d{2}[01]\b

那是

\b    # a word boundary
AK    # AK literally
\d{2} # two digits
[01]  # one of 0 or 1
\b    # another word boundary

但需要测试表达式（请参阅a demo on regex101.com）。

【讨论】：

谢谢！有了这个表情，我似乎离我的目标很近了。您建议的确切表达方式没有给我任何结果。删除工作边界使我能够识别 ack 数据包。我对提供的表达式有进一步的工作。
问题已解决。 var packets = Regex.Split(buffer, @"AK\d{2}[01]");

【解决方案2】：

编辑：

看看其他答案，这可能只是观赏价值。 @Jan 和@ThymosK 的解决方案

var packets = Regex.Split(buffer, @"AK\d{2}[01]");

看起来更优雅。

但我认为看看如何在正则表达式中移动所有解析可能会很好。即使它太难以理解：P

我设计了一个正则表达式，可以将消息和分隔符作为组提供：

(?s)(AK[0-9][0-9][0,1])|((?:(?!AK[0-9][0-9][0,1]).)*)

它可以像这样分析文本：

你可以测试一下here。

像往常一样，正则表达式是只写的。我自己几乎看不懂这个。但我会尝试通过它：

第一组很简单，简单地捕获你的 ack 命令：

(AK[0-9][0-9][0,1])

第二组包含一个否定的前瞻(?! ... )，它与... 指定的正则表达式后面没有匹配的任何内容相匹配。在这里，我们插入您的 ack 语法，因此任何未跟随 ack 的内容都会匹配。然后我们添加一个字符，将其扩展为实际匹配到 ack 的任何内容。基本上，第二部分断言我们当前没有跟随ack，然后添加一个字符。这会尽可能长时间地重复，直到我们找到ack。我把它变成第二组。

由于我目前没有 C#，因此无法使用 C# 正则表达式引擎将其封装在代码中。但是 python 可以很好地使用它，并提供了一个有用的 findall 方法，可以为您提供所有这些组。

【讨论】：

【解决方案3】：

string interim = Regex.Replace(buffer, "AK\d{2}[01]", "|");
var commands = interim.Split('|');

假设| 不是有效的输入字符。你可以选择一些非常奇特的东西。

【讨论】：

遗憾的是，大多数数据包都包含字符|，这样会给我带来更多麻烦。不过，我可以用我确定不会发送的序列替换 RegEx，然后用它拆分字符串。
就像我说的：选择一些异国情调的东西。您可以使用任何 Unicode 字符，或者当它必须保持在 ASCII 范围内时，可以使用控制字符（Tab、Esc、...）