Question

我有一个在C＃中运行的Windows命令行程序，它读取服务器上的日志文件。空间分隔的日志文件（我们无法更改）包含与此类似的记录：

74.57.205.141 - - [30/Mar/2012:00:03:04 +0000] "GET /7/961/148606/v1/00.akacast.akamaistream.net/00-radio-128" 200 1758815 "-" "iTunes/10.5.3 (Windows; Microsoft Windows 7 x64 "R2" Business Edition Service Pack 1 (Build 7601)) AppleWebKit/534.52.7"  102

该行开始读取“/ iTunes是用户代理字符串的开头。它应该一直到AppleWebKit / 534.52.7并在那里结束。问题是对于某些用户代理字符串，流氓引用将被插入到用户代理字符串中。在该示例中，流氓引用为“R2”。

它并不总是R2，但是其他一些代理字符串也可以引入额外的引用，所以我不能只找到并用R2替换“R2”。

我能够在一个有效的字符串中提出的模式是，总有6个引号，每个偶数引号都有一个空格。

第一次引用 - 开始字符串第二个引用 - 结束字符串，后跟空格第三次引用 - 开始字符串第4个引用 - 结束字符串，后跟空格第五次引用 - 开始字符串第6个引用 - 结束

后面的空格字符串

无效字符串将始终遵循此模式。

第一次引用 - 开始字符串第二个引用 - 结束字符串，后跟空格第三次引用 - 开始字符串第4个引用 - 结束字符串，后跟空格第五次引用 - 开始字符串第6个引用 - 结束字符串后面没有空格第七个引用 - 开始字符串第8个引用 - 结束

之后的空格字符串

我需要的是搜索字符串以沿着引用位置向下寻找无效模式并从第6和第7位移除引号的方法。我认为一个好的正则表达式可能会起作用，但我对它们并不是很好，并且还没有提出任何有用的东西，更不用说正则表达式不会从第6和第7个位置删除那些引号。< / p>

修改的

这可能过于简单了，但我能够通过做一些索引操作来解决我的特定问题。不幸的是，我无法让正则表达式解决方案为我工作:(

工作代码：

string str = "74.57.205.141 - - [30/Mar/2012:00:03:04 +0000] \"GET /7/961/148606/v1/00.akacast.akamaistream.net/00-radio-128\" 200 1758815 \"-\" \"iTunes/10.5.3 (Windows; Microsoft Windows 7 x64 \"R2\" Business Edition Service Pack 1 (Build 7601)) AppleWebKit/534.52.7\"  102";

int[] indexes = Enumerable.Range(0, str.Length).Where(x => str[x] == '"').ToArray();

            if (indexes.Length > 6)
            {
                //need to remove extra quotes from the 6th position and 7th position.
                //remove the 7th position first to prevent the index from changing on the quotes we need to remove.
                str = str.Remove(indexes[6], 1).Remove(indexes[5], 1);
            }

Answer 1

这个怎么样：

".*?".*?".*?".*?"(.*)"

它基本匹配

[ignore beginning]
[First Quote Pair]
[AnythingInBetween]
[Second Quote Pair]
[AnythingInBetween]
[Quote]
GROUPS YOUR FINAL STRING HERE until
[LastQuote in the line]

然后，你可以删除任何内部引号。

这是有效的，因为它对前两个引用对使用非贪婪的正则表达式，然后对最终引用匹配使用贪婪的正则表达式，因此最终匹配将忽略所有引号，直到达到最终引用。

Answer 2

您可以使用正则表达式来检测带有其他引号的字符串：

(.+)(\s*".+"\s*)(.+)(\s*".+"\s*)(\s*".+"\s*)(.*)(\s*".+"\s*)(.+)

这只会匹配像

这样的字符串

UnquotedStart"QuotedText1" UnquotedText "QuotetText2" "QuotetText3" ROUGETEXT "QuotetText4"   UnquotetEnd

您现在可以从匹配的组中重建正确的字符串。

需要从空格分隔字符串中的特定位置删除特定引号，同时保留其他引号

2 个答案: