具有动态列数的平面文件规范化

Question

我有一个平面文件，不幸的是动态列结构。 值中包含一个值，层次结构中的每个层都有自己的列。 例如，我的平面文件可能类似于：

StatisticID|FileId|Tier0ObjectId|Tier1ObjectId|Tier2ObjectId|Tier3ObjectId|Status
1234|7890|abcd|efgh|ijkl|mnop|Pending
...

第二天相同的饲料可能类似于：

StatisticID|FileId|Tier0ObjectId|Tier1ObjectId|Tier2ObjectId|Status
1234|7890|abcd|efgh|ijkl|Complete
...

问题是，我并不关心所有层级; 我只关心最后（底部）层的id，以及不属于层列的所有其他行数据。 我需要将feed标准化为类似于此的东西以注入关系数据库：

StatisticID|FileId|ObjectId|Status
1234|7890|ijkl|Complete
...

什么是一种有效的，易于阅读的机制，用于确定最后一层的对象ID，并按照描述组织数据？ 我所做的每一次尝试都让我感到尴尬。

我做过的一些事情：

• 我试图检查正则表达式模式的列名，识别分层的列，按名称降序排序，然后选择第一条记录......但是我这样丢失了序数列号，所以看起来没那么好。
• 我已经将我想要的列放入IDictionary<string, int>对象中进行引用，但是再次可靠地收集动态列的序数是一个问题，而且看起来这似乎是非高效的。

Answer 1

几年前我遇到了一个类似的问题。 我使用字典来映射列，它不漂亮，但它工作。

首先制作一个词典：

private Dictionary<int, int> GetColumnDictionary(string headerLine)
    {
        Dictionary<int, int> columnDictionary = new Dictionary<int, int>();
        List<string> columnNames = headerLine.Split('|').ToList();

        string maxTierObjectColumnName = GetMaxTierObjectColumnName(columnNames);
        for (int index = 0; index < columnNames.Count; index++)
        {
            if (columnNames[index] == "StatisticID")
            {
                columnDictionary.Add(0, index);
            }

            if (columnNames[index] == "FileId")
            {
                columnDictionary.Add(1, index);
            }

            if (columnNames[index] == maxTierObjectColumnName)
            {
                columnDictionary.Add(2, index);
            }

            if (columnNames[index] == "Status")
            {
                columnDictionary.Add(3, index);
            }
        }

        return columnDictionary;
    }

    private string GetMaxTierObjectColumnName(List<string> columnNames)
    {
        // Edit this function if Tier ObjectId is greater then 9
        var maxTierObjectColumnName = columnNames.Where(c => c.Contains("Tier") && c.Contains("Object")).OrderBy(c => c).Last();

        return maxTierObjectColumnName;
    }

之后它只是通过文件运行：

private List<DataObject> ParseFile(string fileName)
    {
        StreamReader streamReader = new StreamReader(fileName);

        string headerLine = streamReader.ReadLine();
        Dictionary<int, int> columnDictionary = this.GetColumnDictionary(headerLine);

        string line;
        List<DataObject> dataObjects = new List<DataObject>();
        while ((line = streamReader.ReadLine()) != null)
        {
            var lineValues = line.Split('|');

            string statId = lineValues[columnDictionary[0]];
            dataObjects.Add(
                new DataObject()
                {
                    StatisticId = lineValues[columnDictionary[0]],
                    FileId = lineValues[columnDictionary[1]],
                    ObjectId = lineValues[columnDictionary[2]],
                    Status = lineValues[columnDictionary[3]]
                }
            );
        }

        return dataObjects;
    }

我希望这有助于（甚至一点点）。

Answer 2

就个人而言，我不会尝试重新格式化您的文件。 我认为最简单的方法是从前面和后面解析每一行。 例如：

itemArray = getMyItems();
statisticId = itemArray[0];
fileId = itemArray[1];
//and so on for the rest of your pre-tier columns

//Then get the second to last column which will be the last tier
lastTierId = itemArray[itemArray.length -1];

既然你知道最后一层将始终是第二层，你可以从最后开始，继续前进。 这似乎比尝试重新格式化数据文件容易得多。

如果您确实想要创建新文件，可以使用此方法获取要写出的数据。

Answer 3

我不知道C＃语法，但是沿着这些方向：

1. 用|分割部分分割线 作为分隔符
2. 得到零件[0]，[1]，[长度 - 2]和[长度 - 1]
3. 将部件传递给数据库处理代码