拆分多字字符串时，如何在不包含数字的单词之间保留空格？

Question

是否可以按空格拆分字符串但将名称保留在一起？

例子：

"1 23565 john smith 01/01/2021 another"

预期的：

string[] {"1", "23565", "john smith", "01/01/2021", "another"}

在这种情况下，名称是字符串中不包含数字的任何单词。 “名称”词总是在“数字”词之前和之后。

Answer 1

您可以尝试正则表达式，例如

 using System.Text.RegularExpressions;

 ...

 string source = "1 23565 john smith 01/01/2021 another";

 string[] result = Regex.Split(source, @"(?<=\P{L})\s+|\s+(?=\P{L})");

 // Let's have a look:
 Console.WriteLine(string.Join(", ", result));

结果：

 1, 23565, john smith, 01/01/2021, another

这里我放了(?<=\\P{L})\\s+|\\s+(?=\\P{L})模式：

(?<=\P{L})\s+ - look behind (not a letter) 
                then one or more whitespaces
|             - or
\s+(?=\P{L})  - one or more whitespaces and 
                then (look ahead) not a letter

Answer 2

这似乎是一个XY 问题，所以我将专注于解决 X 而不是 Y。

不，是的。

可能有一些 Regex 可以为您执行此操作，但这包括额外的复杂性和开销。 而且我不太了解正则表达式，无法提供示例。

如果您仅尝试使用常规string.split ，则无法避免拆分名称。 但是，如果您知道字符串将在 100% 的情况下以完全相同的方式格式化，您可以将拆分字符串的第二个和第三个实例重新连接在一起，但这将是一个手动过程，如果您有的话它会中断更改了字符串格式。

string value = "1 23565 john smith 01/01/2021 another";
List<string> values = value.Split(" ");
values[2] += " " + values[3];
values.RemoveAt(3);

更好的选择可能是通过使用JSON或XML来完全避免这种情况。

这些都是数据传输规范，允许您将不同的数据分开，同时仍将它们一起传输。

例子：

// JSON
{
  id: 1,
  randomNumber: 23565,
  name: "john smith",
  hireDate: "01/01/2021",
  description: "another"
}

// XML
<?xml version="1.0" encoding="UTF-8"?>
<id>1</id>
<randomNumber>23565</randomNumber>
<name>john smith</name>
<hireDate>01/01/2021</hireDate>
<description>another</description>

您可能已经注意到，XML 具有更多的复杂性和字符数。 它仍然是一种非常流行的数据传输方法，但是 JSON 的较小尺寸和更易于理解的格式导致人们将更多项目转换为 JSON。

有很多现有的库可以将数据转换为这两种格式，因此您无需执行任何操作。 C# 语言本身对这些格式有一些内置的转换，但是有一些限制和警告，往往使人们使用外部库（通常在 NuGet 上找到）。

由于人们甚至在家中和手机上使用的互联网速度普遍很快，因此这些格式所需的少量额外开销通常不会超过使用数据格式的便利性。

Answer 3

我们被要求在名称之间的空格以外的空格上拆分字符串，其中名称是字符串中不包含数字的任何单词。

可以拆分以下匹配项：

(?<=(?:^| )\S*\d\S*) | (?=\S*\d\S*(?: |\z))

演示

比赛由派对帽显示如下。

1 23565 john smith 01/01/2021 another
 ^     ^          ^          ^

1 23565 john smith1 01/01/2021 another
 ^     ^    ^      ^          ^

1 23565 1john smith 01/01/2021 another
 ^     ^     ^     ^          ^

1 23565 jo1hn sm1th 01/01/2021 another
 ^     ^     ^     ^          ^

正则表达式具有以下元素：

(?<=        # begin positive lookbehind
  (?:^| )   # match beginning of string or space in a non-capture group
  \S*\d\S*  # match 1+ chars other than whitespace followed by
            # a digits followed by 1+ chars other than whitespace
)           # end negative lookbehind
[ ]         # match a space
|           # or
[ ]         # match a space
(?=         # begin positive lookahead
  \S*\d\S*  # match 1+ chars other than whitespace followed by
            # a digits followed by 1+ chars other than whitespace
  (?: |\z)  # match a space or end of string in a non-capture group
)           # end positive lookahead

我已将每个空格放在一个字符类 ( [ ] ) 中以使其可见。

此正则表达式利用了C#的正则表达式引擎支持可变长度回溯的事实，这是大多数正则表达式引擎所缺乏的功能。

根据要求，人们可能希望将\\S*\\d\\S*替换为[az\\d]*\\d[az\\d\\* ，可能使用大小写无关的平面 ( i ) 集。