Question

我希望清理作为图像标题的字符串。我想删除不相关的数字，但保留日期序列，例如（即1923年或2010年）或相关日期（即20/10/2012或6月12日）。

例如，我在这里使用括号来表示我想删除的内容：

中央车站1929 [12l89]

[NZ1253] Bessie Pit Drift Mine

Path Head 2012年6月12日

[4722] Greenfield 20/10/2012

在上面的示例中，4722不会被视为有效年份，日期范围从1900年到现在，所以说从19--或20--开头，并且有两个正在进行的数字。

我了解如何使用Regex删除所有数字，如下所示：

 System.Text.RegularExpressions.Regex trimmer = new System.Text.RegularExpressions.Regex(@"\s\s+");

但我不确定如何保护其他人。

Answer 1

老实说，我绝不会用正则表达式来做这件事，它会变得难以理解，并且会被错误所造成。

相反，我会逐行接受输入，将其标记化，并提供必要的逻辑作为小型，自包含，可测试的单位（规则）。

然后，您可以在“规则”中以更有限的方式使用正则表达式。 - 例如正则表达式：

[A-Z]+(19|20)\d{2}

将匹配NZ1982但不匹配NZ1253。

你的规则需要变得相当复杂，12th的匹配需要期待下一个令牌，如果它找到看起来像是月份名称的东西，再看一遍，如果它找到下一个令牌看起来像一年然后执行一些逻辑。

如果您可以准确定义每个规则，则每个规则的代码都非常易于管理。