如何打破已知单词的界限

Question

我需要将一行字符串分成不同的列到excel中。这是我得到的输入。

输入：

• 37006 II Semester P.G.临床研究和临床数据管理考试文凭，2012年7月/ 8月制药法规事务时间：最长3小时。标记：100

输出：包含结构的CSV记录（代码，Sem /年，主题，课程，考试日期，时间，分数）

• 37006，II Semester，P.G。临床研究和临床数据管理文凭，制药法规事务，2012年7月/ 8月，3小时，100

我有不同集合的数据构建上面的行。例如：

语法（这是一个数组/字典）：

• 学期[I，II，III，IV，V，VI，VII，VIII，IX，X，1,2,3,4,5,6,7,8,9,10]
• 年[I，II，III，IV，V，VI，VII，VIII，IX，X，1,2,3,4,5,6,7,8,9,10]
• 受试者[P.G。临床研究和临床数据管理文凭，LL.B]
• 课程[制药法规事务，法律 - 法理学]
• ExamDates [2012年7月/ 8月，1月/ 2月。 2013]
• 时间[3小时]
• MaxMarks [30,40,50,60,70,80,90,100]

FYI，

• 我不确定我是否可以使用任何分隔符来破坏它，因为它非常难以预测或可靠。
• 我不确定文本在每一行中的顺序是否相同，或者没有固定的长度或汽车或单词

我的假设是，逐字阅读并尝试与我拥有的任何数组中的任何单词匹配。如果它与任何单词匹配，则将该单词分类为下降类别并添加到excel的相关列中。

在这里，我知道如何处理数据和所有内容，除了优化/最佳方式 了解每个单词属于哪个类别。

是否有任何词法分析专家可以就此分享一些想法？

Answer 1

您应该使用正则表达式来匹配这种复杂的文本模式。

Answer 2

请查看像ANTLR这样的词法分析器。如果您了解读取正则表达式的Java或其他语言，则可以在下午（或一周）的折磨后轻松解析这些内容。你也可以用Java编写regexp，但我会把你推向你可以在Eclipse中使用的ANTLR接口。它将向您展示如何解析这些行。

让ANTLR或Java的输出写出CSV文件。 CSV将成为您将数据导入Excel电子表格的工具。