C＃正则表达式帮助 - 使用可选数据点进行分组

Question

鉴于我正在解析的2条不同的行，我需要将数据点提取到正则表达式匹配组中。

示例第1行：

标题值如下：

DATE{space}TYPE{space}DESCR{space}VOLUME{space}RATE{space}TOTAL
[11/30/15] [CF] [DISC 1] [28270.18] [0.00150] [-42.41]  

第2行示例：

DATE{space}TYPE{space}DESCR{space}VOLUME{space}RATE{space}TOTAL
[11/30/15] [CF] [OTHER VOLUME FEES] [28186.68] [0.00008] [-2.25] 

我正在使用以下正则表达式来获取匹配项：

(?<date>^\d{1,2}[-/.]\d{1,2}[-/.]\d{1,2}[\d+])\s+(?<type>[A-Za-z]{2})\s+(?<descr>\w+\s+.*?(1))\s+.*?(?<volume>(\d+(?:\.\d+?))\s+.*?(?<rate>([0]?(\d+(?:\.\d+)?)))\s+(?<total>[-+]?\d+[.,]\d+)?.*$")

我可以匹配第一种情况，但绝不是第二种情况。总会有总数，但它们可能并不总是数量或费率。另外，音量可以是整数，十进制或代码（例如“1B”）。

我在这里缺少什么？

描述字段是一个空白字段，其中可能包含“1”。我可以在其中加上几个单词，或者只是1.

Answer 1

您的日志行包含6个字段，但第4个和第5个字段可能会丢失。匹配可选字段的常用方法是使用可选的非捕获组，(?:...)?。这些组不会为它们匹配的文本创建单独的内存缓冲区，这就是为什么它们对于保持匹配更清晰和更有效的有用。

注意在.NET中，有一种方法可以使用RegexOptions.ExplicitCapture选项使所有非命名捕获组无法捕获。

你的固定正则表达式看起来像

^(?<date>\d{1,2}[-/.]\d{1,2}[-/.]\d{1,2})\s+(?:(?<type>[A-Z]{2})\s+)?(?:(?<descr>\w.*?)\s+)?(?:(?<volume>\d*\.?\d+)\s+)?(?:(?<rate>\d*\.?\d+)\s+)?(?<total>[-+]?\d*[.,]?\d+)\s*$

请参阅.NET regex demo。

<强>详情

• ^ - 开始一行（使用RegexOptions.Multiline时）
• (?<date>\d{1,2}[-/.]\d{1,2}[-/.]\d{1,2}) - 小组＆＃34;日期＆＃34;：1-2位数字，然后重复- / / / .，然后重复1-2次数字（因此，此模式可以写为(?<date>\d{1,2}(?:[-/.]\d{1,2}){2})）。
• \s+ - 一个或多个空格
• (?:(?<type>[A-Z]{2})\s+)? - 一个匹配2个大写ASCII字母的可选组，捕获到Group＆＃34; type＆＃34;，然后是1 + whitespaces
• (?:(?<descr>\w.*?)\s+)? - 一个匹配单词char（字母，数字或_和其他一些特殊字符（如变音符号）的可选组，后跟除了换行符char LF之外的任何0 +字符，只有少数尽可能将所有这些捕获到Group＆＃34; descr＆＃34;，然后是1 + whitespaces
• (?:(?<volume>\d*\.?\d+)\s+)? - 一个可选的组，匹配0+个数字，一个可选的.，然后是1+个数字（即浮点数或整数），被捕获到Group＆＃34; volume＆＃34 ;,然后1+空白字符
• (?:(?<rate>\d*\.?\d+)\s+)? - 一个可选的组，用于匹配捕获到Group＆＃34; rate＆＃34;，然后是1+空格字符的浮点值或整数值
• (?<total>[-+]?\d*[.,]?\d+) - 小组＆＃34;总计＆＃34;：可选-或+后跟0+位数，可选.或{{1}然后1+位数（所以，正或负浮点数或整数匹配）
• , - 任何0+尾随空格
• \s* - 行尾。

Answer 2

(?<date>^\d{1,2}[-/.]\d{1,2}[-/.]\d{1,2}[\d+])\s+(?<type>[A-Z]{2})\s+(?<descr>\w+.*?\s+)(?<volume>\d+[.]?\d+)\s+(?<rate>\d+[.]?\d+)\s+(?<total>[-+]?\d+[.,]\d+?.*$)

是。这是一个相当复杂的正则表达式。但是如果你的分组中有不同的空格，你可以使用。*？\ s +来结束最后一个空格。对于我拥有的所有用例，这似乎都很好用。

感谢您的评论！