C＃-使用正則表達式刪除字符

Question

我有一個文本文件，我需要刪除一些結尾的定界符。 文本文件如下所示：

string text = @"1|'Nguyen Van| A'|'Nguyen Van A'|39
                2|'Nguyen Van B'|'Nguyen| Van B'|39";
string result = @"1|'Nguyen Van A'|'Nguyen Van A'|39
                  2|'Nguyen Van B'|'Nguyen Van B'|39";

我要刪除字符“ |” 在字符串“ Nguyen Van | A”和“ Nguyen | Van B”中

因此，我認為最好的方法是更換正則表達式？ 誰能幫我這個正則表達式？

謝謝

Answer 1

正則表達式應為：

(?<=^[^']*'([^']*'[^']*')*[^']*)\|

多線使用...所以

var rx = new Regex(@"(?<=^[^']*'([^']*'[^']*')*[^']*)\|", RegexOptions.Multiline);

string text = @"1|'Nguyen Van| A'|'Nguyen Van A'|39

2 |'Nguyen Van B'|'Nguyen | Van B'| 39“;

string replaced = rx.Replace(text, string.Empty);

示例： http ： //ideone.com/PTdsg5

我強烈建議不要使用它。解釋原因。嘗試理解正則表達式。 如果您可以理解它，則可以使用它:-)

我將編寫一個簡單的狀態機，該狀態機計算'並替換| 當計數的'是奇數。

Answer 2

您提到使用多行正則表達式花費的時間太長，並詢問有關狀態機的方法。 因此，這里是一些使用函數執行操作的代碼（請注意，該函數可能需要使用一些清理功能，但它可以顯示出這種想法並且比regex更快地工作）。 在我的測試中，使用不帶多行的正則表達式，我可以在大約34秒內處理1,000,000行（在內存中，而不是寫入文件）。 使用狀態機方法大約需要4秒鍾。

string RemoveInternalPipe(string line)
{
    int count = 0;
    var temp = new List<char>(line.Length);
    foreach (var c in line)
    {
        if (c == '\'')
        {
            ++count;
        }
        if (c == '|' && count % 2 != 0) continue;
        temp.Add(c);
    }
    return new string(temp.ToArray());
};

File.WriteAllLines(@"yourOutputFile",
    File.ReadLines(@"yourInputFile").Select(x => RemoveInternalPipe(x)));

要將性能與Regex版本（不帶多行選項）進行比較，可以運行以下代碼：

var regex = new Regex(@"(?<=^[^']*'([^']*'[^']*')*[^']*)\|");
File.WriteAllLines(@"yourOutputFile",
    File.ReadLines(@"yourInputFile").Select(x => regex.Replace(x, string.Empty));