嘗試使用.NET正則表達式從電子郵件中提取信息

Question

我正在嘗試在股票促銷“ tout”電子郵件的“免責聲明”區域（部分垃圾郵件）中提取一些信息。

通常，兜售者將對以下內容免責：

XYZ公司已獲得為期兩周的ABC股票促銷的五萬美元補償。

我有一個正則表達式適用於這種情況（按目前的情況來看可能不是最有效的），並且它似乎適用於大多數情況。 但是，當免責聲明使用網址引用促銷公司（即www.companyxyz.com而不是XYZ公司）時，我的正則表達式會捕獲“ .com”，而我嘗試捕獲的其余短語-但是而不是“ www.companyxyz”部分。

這是我的正則表達式方法：

    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，正則表達式從句子的第一個單詞捕獲整個短語（通過查找句子的前一個句號，直到句子的最后一個句號。但是這些網址對我的正則表達式不利。

Answer 1

如果我正確地理解了您的問題，給定一個包含給定短語之一的句子，則您希望從該句子的開頭到其結尾或行尾。 您面臨的挑戰是找到要匹配的句子之前的句子結尾。 因此，您需要匹配“。”（句號后跟空白）。然后匹配其余部分。

我不明白為什么您會使用“（\\ w | \\ s | \\ d | \\，）”而不是“。”。 它不會給出我上面描述的結果，但是我將保持原樣，僅關注您描述的問題。

所以試試這個：

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

（。* \\ s +）*：匹配任何字符，后跟一個句點，后跟空白。

由於我使用括號將這個新的子表達式分組，因此您將擁有一個新的捕獲組，這意味着您需要使用Match對象的Captures集合，而不是Value。