使用模板从文本中提取数据

Question

我正在构建一个Web服务，该服务接收来自许多CRM系统的电子邮件。 电子邮件通常包含文本状态，例如“已接收”或“已完成”，以及自由文本注释。

传入电子邮件的格式不同，例如，某些系统将状态称为“状态：ZZZZZ”，而某些状态则称为“操作：ZZZZZ”。 自由文本有时出现在状态之前，之后出现。 状态代码将映射到我的系统解释中，并且也需要注释。

此外，我希望格式会随着时间的推移而变化，因此可以配置的解决方案可能是理想的，可能是客户通过Web界面提供自己的模板。

该服务是使用.NET C＃MVC 3构建的，但我对一般策略以及任何特定的库/工具/方法感兴趣。

我从来没有完全了解RegExp。 万一这确实是我要走的道路，我将做出新的努力。 :)

Answer 1

我会使用正则表达式：

第一个示例，如果您只有Status: ZZZZZ类似消息：

String status = Regex.Match(@"(?<=Status: ).*");
// Explanation of "(?<=Status: ).*" :
// (?<=       Start of the positive look-behind group: it means that the 
//            following text is required but won't appear in the returned string
// Status:    The text defining the email string format
// )          End of the positive look-behind group
// .*         Matches any character

第二个示例，如果您只有Status: ZZZZZ和Action: ZZZZZ类似消息：

String status = Regex.Match(@"(?<=(Status|Action): ).*");
// We added (Status|Action) that allows the positive look-behind text to be 
// either 'Status: ', or 'Action: '

---

现在，如果您想让用户提供自己的格式，可以提出以下内容：

String userEntry = GetUserEntry(); // Get the text submitted by the user
String userFormatText = Regex.Escape(userEntry);
String status = Regex.Match(@"(?<=" + userFormatText + ").*");

那将允许用户提交其格式，例如Status:或Action:或This is my friggin format, now please read the status --> ...

Regex.Escape(userEntry)部分对于确保用户通过提交特殊字符（例如\\ Regex.Escape(userEntry)不会破坏您的正则表达式很重要? ， * ...

---

要知道用户是在格式文本之前还是之后提交状态值，您有几种解决方案：

• 您可以询问用户其状态值在哪里，然后相应地构建您的正则表达式：

   if (statusValueIsAfter) { // Example: "Status: Closed" regexPattern = @"(?<=Status: ).*"; } else { // Example: "Closed:Status" regexPattern = @".*(?=:Status)"; // We use here a positive look-AHEAD } 

• 或者，您可以变得更聪明，并为用户输入引入标签系统。 例如，用户提交Status: <value>或<value>=The status然后您通过替换标签字符串来构建正则表达式。