正则表达式在C＃中拆分多行文本

Question

我正在尝试构建正则表达式以拆分通过WhatsApp的电子邮件发送的消息存档。

例：

23.02.16, 11:01 - Herr Paul Muster: han vpn verbindig zu ufgmacht und die kappt ja sinternet
23.02.16, 11:01 - Herr Paul Muster: jetzt channi mi nümme verbinde 🙈
23.02.16, 11:10 - Herr Paul Muster: merci
25.02.16, 09:09 - Herr Peter Nachname: Bin i 15min im office
07.03.16, 09:29 - Herr Peter Nachname: Da ich weiss dases eh nid kommuniziert wird, schribis eu au. Ich wird hüt dihei blibe, han migräneartigi grindschmerze...lg
07.03.16, 09:30 - Markus: Ok, danke für d'info (und dini hellseherische fähigkeite)
Gueti besserig
04.04.16, 09:24 - Herr Peter Nachname: Bi grad im office 😅
13.04.16, 19:00 - Herr Paul Muster: mir sind usem büro usgschlosse 😂
13.04.16, 19:00 - Herr Paul Muster: händ meeting gah 
und all händ dä schlüssel 
im büro 🎉
13.04.16, 19:08 - Herr Peter Nachname: Lol 🙈
13.04.16, 19:12 - Herr Paul Muster: du bisch eh grossi hilf 😂 bisch nid per zuefall ih dä nöchi?

每行的末尾都有一个换行符（\\ n）。 目前，我正在使用以下代码：

new Regex(@"([\d]{2}.[\d]{2}.[\d]{2}, [\d]{2}:[\d]{2})[\s]-[\s](.*):[\s](.*)");

MatchCollection的第一组包含日期，第二部分包含发件人。 第三组仅包含消息文本，直到行尾为止。 但是我想获得整个消息，包括换行符或直到datepart的下一个匹配项为止的所有消息。

我检查了几个论坛和质量检查页面，但找不到解决我问题的方法。 因此，也许有人可以给我提示解决我问题的正确方法。

Answer 1

您可以在第一个Regex.Replace（）中使用此替代方法：

string pattern =  @"(.)$\n(\D\D[^.]\D\D[^.]\D\D)";
string input = ""; // Your multiline input
string replacement = "$1$2";
Regex rgx = new Regex(pattern);
string result = rgx.Replace(input, replacement);

这会给你：

23.02.16, 11:01 - Herr Paul Muster: han vpn verbindig zu ufgmacht und die kappt ja sinternet
23.02.16, 11:01 - Herr Paul Muster: jetzt channi mi nümme verbinde 🙈
23.02.16, 11:10 - Herr Paul Muster: merci
25.02.16, 09:09 - Herr Peter Nachname: Bin i 15min im office 07.03.16, 09:29 - Herr Peter Nachname: Da ich weiss dases eh nid kommuniziert wird, schribis eu au. Ich wird hüt dihei blibe, han migräneartigi grindschmerze...lg 07.03.16, 09:30 - Markus: Ok, danke für d'info (und dini hellseherische fähigkeite)Gueti besserig
04.04.16, 09:24 - Herr Peter Nachname: Bi grad im office 😅
13.04.16, 19:00 - Herr Paul Muster: mir sind usem büro usgschlosse 😂 13.04.16, 19:00 - Herr Paul Muster: händ meeting gah und all händ dä schlüssel im büro 🎉
13.04.16, 19:08 - Herr Peter Nachname: Lol 🙈
13.04.16, 19:12 - Herr Paul Muster: du bisch eh grossi hilf 😂 bisch nid per zuefall ih dä nöchi?

然后，您可以应用new Regex(@"([\\d]{2}.[\\d]{2}.[\\d]{2}, [\\d]{2}:[\\d]{2})[\\s]-[\\s](.*):[\\s](.*)");的正则new Regex(@"([\\d]{2}.[\\d]{2}.[\\d]{2}, [\\d]{2}:[\\d]{2})[\\s]-[\\s](.*):[\\s](.*)"); 有你的小组。

---

限制：

如果您的新行以日期开头，但不是新条目，则它将行不通。

Answer 2

尝试这个

string pattern = @"([\d]{2}.[\d]{2}.[\d]{2}, [\d]{2}:[\d]{2})[\s]-[\s](.*?):[\s](.*?)(?=\r\n\d|\z)";

var regex = new Regex(pattern, RegexOptions.Singleline);

请注意几个懒惰的量词。

最后，我们检查下一个句子开头或文件结尾处是否存在数字。

单行选项需要指向捕获的任何字符，包括换行符。

Answer 3

感谢您的所有投入

使用以下正则表达式模式，我可以使用Sebasian Proske的输入解决我的问题：

new Regex(@"(\\d{2}\\.\\d{2}\\.\\d{2}, \\d{2}:\\d{2})\\s-\\s(.*?):\\s((?:.+|\\n(?!\\d{2}\\.\\d{2}\\.\\d{2}, \\d{2}:\\d{2}))+)");

Answer 4

这是一个仅.NET的解决方案：

new Regex(@"(^\d{2}\.\d{2}\.\d{2}, \d{2}:\d{2})\s-\s([^:]*):\s(.*?)$",
    RegexOptions.Multiline | RegexOptions.Singleline | RegexOptions.RightToLeft);

多行选项允许^和$在行边界匹配，单行允许. 匹配换行符，RightToLeft导致匹配从字符串末尾向后进行。

非贪婪(.*?)使其在Date, Time - Name:序列的第一次出现（或下一次出现，向后退）时停止匹配，因此一次仅匹配一行。 比赛将以相反的顺序进行，但分组不会出现。

如果感觉太像黑魔法了，可以改用以下方法：

new Regex(@"(^\d{2}\.\d{2}\.\d{2}, \d{2}:\d{2})\s-\s([^:]*):\s((?:(?!^\d{2}\.\d{2}\.\d{2},).)*)$",
    RegexOptions.Multiline | RegexOptions.Singleline);

(?:(?!^\\d{2}\\.\\d{2}\\.\\d{2},).)*匹配零个或多个字符（由于使用Singleline选项，包括换行符），直到下一个字符是行首的日期的开始（或直到没有更多字符为止）。