將字符串解析為術語詞典的最佳方法

Question

輸入-字符串： "TAG1xxxTAG2yyyTAG3zzzTAG1tttTAG1bbb"

預期結果：對TAG1 = {xxx,,ttt,bbb}, TAG2 = {yyy}, TAG3 = {zzz}.

我是使用regexps做到的，但是使用Regex.Replace而不使用返回值確實讓我感到困惑。 我想改進此代碼，那么如何實現呢？

using System;
using System.Collections.Generic;
using System.Text.RegularExpressions;

namespace TermsTest
{
    class Program
    {
        static void Main(string[] args)
        {
            string[] tags = { "TAG1", "TAG2", "TAG3", "TAG4", "TAG5", "TAG6", "TAG7", "TAG8" };
            string file = "TAG2jjfjfjndbfdjTAG1qqqqqqqTAG3uytygh fhdjdfTAG5hgjdhfghTAG6trgfmxc hdfhdTAG2jfksksdhjskTAG3kdjbjvbsjTAG2jskjdjdvjvbxjkvbjdTAG2jkxcndjcjbkjn";

            string tag = "(" + string.Join("|", tags) + ")";

            var dictionary = new Dictionary<string, List<string>>(tags.Length);
            Regex.Replace(file, string.Format(@"({0})(.+?)(?={0}|$)", tag), match =>
                                                                            {
                                                                                string key = match.Groups[1].Value, value = match.Groups[3].Value;
                                                                                if (dictionary.ContainsKey(key))
                                                                                    dictionary[key].Add(value);
                                                                                else
                                                                                    dictionary[key] = new List<string> {value};
                                                                                return "";
                                                                            });
            foreach (var pair in dictionary)
            {
                Console.Write(pair.Key + " =\t");
                foreach (var entry in pair.Value)
                {
                    Console.Write(entry + " ");
                }
                Console.WriteLine();
                Console.WriteLine();
            }
        }
    }
}

Answer 1

string input = "TAG1xxxTAG2yyyTAG3zzzTAG1tttTAG1bbb";
var lookup = Regex.Matches(input, @"(TAG\d)(.+?)(?=TAG|$)")
                    .Cast<Match>()
                    .ToLookup(m => m.Groups[1].Value, m => m.Groups[2].Value);

foreach (var kv in lookup)
{
    Console.WriteLine(kv.Key + " => " + String.Join(", ", kv));
}

輸出：

TAG1 => xxx, ttt, bbb
TAG2 => yyy
TAG3 => zzz

Answer 2

這對於.NET CaptureCollection對象是一項完美的工作-一種獨特的.NET功能，使您可以多次重用同一捕獲組。

使用此正則表達式並使用Matches創建MatchCollection：

(?:TAG1(.*?(?=TAG|$)))?(?:TAG2(.*?(?=TAG|$)))?(?:TAG3(.*?(?=TAG|$)))?

然后檢查捕獲：

• Groups[1].Captures將包含所有TAG1
• Groups[2].Captures將包含所有TAG2
• Groups[3].Captures將包含所有TAG3

從那里到您的最終數據結構僅一步之遙。

為了減少回溯的可能性，可以使令牌成為原子的：

(?>(?:TAG1(.*?(?=TAG|$)))?)(?>(?:TAG2(.*?(?=TAG|$)))?)(?>(?:TAG3(.*?(?=TAG|$)))?)

有關其工作原理的詳細信息，請參見“ 可以量化的捕獲組” 。

Answer 3

您想要做的只是將相同標記的值進行分組，因此使用GroupBy方法應該更容易：

string input = "TAG1xxxTAG2yyyTAG3zzzTAG1tttTAG1bbb";
var list = Regex.Matches(input, @"(TAG\d+)(.+?)(?=TAG\d+|$)")
                .Cast<Match>()
                .GroupBy(m => m.Groups[1].Value,
                         (key, values) => string.Format("{0} = {{{1}}}", 
                                             key, 
                                             string.Join(", ", 
                                                values.Select(v => v.Groups[2]))));
var output = string.Join(", ", list);

這產生作為output字符串"TAG1 = {xxx, ttt, bbb}, TAG2 = {yyy}, TAG3 = {zzz}"

Answer 4

我不確定我是否知道您在此問題上的所有假設和慣例； 但這給了我類似的結果：

var tagColl = string.Join("|", tags);
var tagGroup = string.Format("(?<tag>{0})(?<val>[a-z]*)", tagColl);

var result = from x in Regex.Matches(file, tagGroup).Cast<Match>()
                where x.Success
                let pair = new { fst = x.Groups["tag"].Value, snd = x.Groups["val"].Value }
                group pair by pair.fst into g
                select g;

一個簡單的測試將是：

Console.WriteLine(string.Join("\r\n", from g in result
                                        let coll = string.Join(", ", from item in g select item.snd)
                                        select string.Format("{0}: {{{1}}}", g.Key, coll)));