Question

我正在尝试按行号拆分文本文件，例如，如果我有像：

这样的文本文件

1 ljhgk uygk uygghl \r\n
1 ljhg kjhg kjhg kjh gkj  \r\n
1 kjhl kjhl kjhlkjhkjhlkjhlkjhl  \r\n
2 ljkih lkjhl kjhlkjhlkjhlkjhl  \r\n
2 lkjh lkjh lkjhljkhl  \r\n
3 asdfghjkl  \r\n
3 qweryuiop  \r\n

我想把它分成3个部分（1,2,3），我怎样才能做到这一点？文本的大小非常大（~20,000,000个字符），我需要一种有效的方式（如正则表达式）。

Answer 1

另一个想法是，您可以使用linq通过按每个第一个单词拆分来获取您所追求的组。请注意，这将采用每个第一个单词，因此请确保您只有数字。这是使用split / join反模式，但它似乎在这里很好用。

var lines = from line in s.Split("\r\n".ToCharArray(), 
                                 StringSplitOptions.RemoveEmptyEntries)
            let lineNumber = line.Split(" ".ToCharArray(), 2).FirstOrDefault()
            group line by lineNumber
            into g
            select String.Join("\n", g);

注意：

GroupBy被允许按照它们出现的顺序返回行。
如果某个区块出现多次（例如"1 1 2 2 3 3 1"），则会合并所有具有相同编号的区块。

Answer 2

您可以使用正则表达式，但Split不会运行得太好。您可以匹配以下模式：

^(\d).*$          # Match first line, capture number
([\r\n]+^\1.*$)*  # Match additional lines that begin with the same number

示例：here

我确实尝试按$(?<=^(\d+).*)[\r\n]+^(?!\1)拆分，但它将行号添加为数组中的附加元素。

c＃通过更改行号来拆分文本文件

2 个答案: