尝试使用.NET正则表达式从电子邮件中提取信息

Question

我正在尝试在股票促销“ tout”电子邮件的“免责声明”区域（部分垃圾邮件）中提取一些信息。

通常，兜售者将对以下内容免责：

XYZ公司已获得为期两周的ABC股票促销的五万美元补偿。

我有一个正则表达式适用于这种情况（按目前的情况来看可能不是最有效的），并且它似乎适用于大多数情况。 但是，当免责声明使用网址引用促销公司（即www.companyxyz.com而不是XYZ公司）时，我的正则表达式会捕获“ .com”，而我尝试捕获的其余短语-但是而不是“ www.companyxyz”部分。

这是我的正则表达式方法：

    public string ExtractCompensationLine(string message)
    {
        string compensationLine = string.Empty;
        string messageLine = Regex.Replace(message, "[\n\r\t]", " ");
        string leftPrefix = @"\.((\w|\s|\d|\,)+";
        string rightPrefix = @"(\w|\s|\d|\,)+\.)";

        string[] phrases = 
        {
            @"has been compensated",
            @"we were also paid",
            @"has been previously compensated",
            @"currently being compensated",
            @"the company has compensated",
            @"has agreed to be compensated",
            @"have been compensated up to",
            @"dollars from a third party",
            @"the company will compensate us"
        };

        foreach (string phrase in phrases)
        {
            string pattern = leftPrefix + phrase + rightPrefix;
            Regex compensationRegex = new Regex(pattern, RegexOptions.IgnoreCase);
            Match match = compensationRegex.Match(messageLine);

            if (match.Success)
            {
                compensationLine += match.Groups[1].Value;
            }
        }

        return compensationLine;
    }

因此，正则表达式从句子的第一个单词捕获整个短语（通过查找句子的前一个句号，直到句子的最后一个句号。但是这些网址对我的正则表达式不利。

Answer 1

如果我正确地理解了您的问题，给定一个包含给定短语之一的句子，则您希望从该句子的开头到其结尾或行尾。 您面临的挑战是找到要匹配的句子之前的句子结尾。 因此，您需要匹配“。”（句号后跟空白）。然后匹配其余部分。

我不明白为什么您会使用“（\\ w | \\ s | \\ d | \\，）”而不是“。”。 它不会给出我上面描述的结果，但是我将保持原样，仅关注您描述的问题。

所以试试这个：

leftPrefix = @"(\.*\s+)*?((\w|\d|\,)+";

（。* \\ s +）*：匹配任何字符，后跟一个句点，后跟空白。

由于我使用括号将这个新的子表达式分组，因此您将拥有一个新的捕获组，这意味着您需要使用Match对象的Captures集合，而不是Value。