Question

我正在尝试获取一个包含编号列表的字符串，该编号列表的旁边是数据项，然后根据每个数字旁边的数据将它们分成多个字符串。我尝试使用正则表达式，但这引起了一些问题，因为某些数据是货币值，例如120,000.00英镑。

示例数据为

Mr Test Test
£100,000.00
5 Test Road, Test Street

测试输入：

string testInput = "1. Mr Test Test 2. £100,000 3. 5 Test Road"

但是，由于使用PdfTextStripper

中的PDFBox从 PDF 拉出了字符串，因此编号列表可能会出现在字符串的不同行中

有没有一种方法可以准确地拆分呢？

我本来是使用indexof并依赖于下一个数据项标题作为停止点，但是数据并不总是相同的（{15指向一个，{{1} }）。

所需的结果是：

任何帮助将不胜感激

Answer 1

让我们实现一个简单的生成器；我们可以在循环中找到一行一行：

代码：

private static IEnumerable<string> ParseListToLines(string value) {
  int start = 0;
  bool first = true;

  for (int index = 1; ; ++index) {
    string toFind = $"{index}.";

    int next = value.IndexOf(toFind, start);

    if (next < 0) {
      yield return value.Substring(start);

      break;
    }

    if (!first) // we don't return text before the 1st item
      yield return value.Substring(start, next - start);

    first = false;
    start = next + toFind.Length;
  }
}

演示：

 string testInput = "1. Mr Test Test 2. £100,000 3. 5 Test Road";

 string[] lines = ParseListToLines(testInput).ToArray();

 // string Name = lines[0].Trim();
 // string Money = lines[1].Trim();
 // string Address = lines[2].Trim();

 Console.Write(string.Join(Environment.NewLine, lines));

结果：

 Mr Test Test
 £100,000
 5 Test Road

编辑：带有精心修饰的测试的更多演示（内部和不包含项目的新行；一位和两位数字标记；文本-**-在初始{{ 1}}标记）：

1.

结果：

  // Let's build multiline string...
  string testInput = "**\r\n" + string.Join(Environment.NewLine, Enumerable
    .Range(1, 12)
    .Select(i => $"{i,2}.String #{i} {(i < 3 ? "\r\n   Next Line" : "")}"));

  Console.WriteLine("Initial:");
  Console.WriteLine();

  Console.WriteLine(testInput);

  Console.WriteLine();
  Console.WriteLine("Parsed:");
  Console.WriteLine();

  // ... and parse it into lines
  string[] lines = ParseList(testInput)
    .Select(line => line.Trim())
    .Select((item, index) => $"line number {index} = \"{item}\"")
    .ToArray();      

  Console.WriteLine(string.Join(Environment.NewLine, lines));

编辑2：好吧，让我们尝试另一个测试：

Initial:

**              // This text - before initial "1." marker should be ingnored
 1.String #1    // 1st item contains multiline text
   Next Line    // 1st item continuation
 2.String #2    // Again, multiline marker
   Next Line
 3.String #3 
 4.String #4 
 5.String #5 
 6.String #6 
 7.String #7 
 8.String #8 
 9.String #9 
10.String #10   // two digit markers: "10.", "11.", "12."
11.String #11 
12.String #12 

Parsed:

line number 0 = "String #1    // 1st item is multiline one
   Next Line"
line number 1 = "String #2    // 2nd item is multiline as well
   Next Line"
line number 2 = "String #3"
line number 3 = "String #4"
line number 4 = "String #5"
line number 5 = "String #6"
line number 6 = "String #7"
line number 7 = "String #8"
line number 8 = "String #9"
line number 9 = "String #10"
line number 10 = "String #11"
line number 11 = "String #12"

结果：

string testInput = 
  "1. test 5. wrong 2. It's Correct 3. OK 4. 1. 2. 3. - all wrong 5. Corect Now;";

string[] report = ParseList(testInput)
  .Select(line => line.Trim())
  .ToArray();

Console.Write(string.Join((Environment.NewLine, report));

如何将包含编号列表的字符串拆分为多个字符串？

1 个答案: