Question

我有一系列看起来像“ WORD1：JUNK1 WORD2：JUNK2”的字符串，我想从字符串中删除垃圾，同时保留单词之间的字符数（包括垃圾所占用的字符数）。

我有一个清单，列出了将要使用的单词，但不会使用垃圾
单词，所有内容之间的间隔数以及垃圾都会改变每一行

到目前为止，我一直在使用像(word|word|word)(.\*)(word|word|word)(.*)这样的正则表达式，但我不知道该如何维护格式。

已编辑

对不起，您是对的，WORD1 / WORD2和JUNK1 / JUNK2都是我所看到的实际值的变量。其所有字母数字字符和斜杠。

输入示例：

“类别：（4个空格）SIDES（3个空格）创建日期：（3个空格）03/12/16”

“产品：（6个空格）CARROTS（4个空格）删除日期：（4个空格）05/11/17”

输出示例：

“类别：（12个空格）创建日期：（11个空格）”

“产品：（17个空格）删除日期：（12个空格”

我正在尝试用空格替换单词“ SIDES”以及“ 03/12/16”。相反，我希望CATEGORY和DATE CREATED之间的字符数保持相同，并且都为空格。

Answer 1

我敢肯定有人会使用regex给您一个很好的清晰答案，但这是我脑海中的一个快速解决方案：

string msg = "this is a silly test message";
string[] junk = new string[] { "silly", "message" };

foreach(string j in junk)
{
    msg = Regex.Replace(msg, j, string.Empty.PadRight(j.Length));
}

Answer 2

我建议基于Regex.Split操作的解决方案：

var s = "CATEGORY:    SIDES   DATE CREATED:   03/12/16";
var rx = @"(\b(?:CATEGORY|PRODUCT|DATE (?:CREA|DELE)TED):)";
var chunks = Regex.Split(s, rx);
Console.WriteLine(string.Concat(
    chunks.Select(
        x => Regex.IsMatch(x, $"^{rx}$") ? x : new String(' ', x.Length))
    )
);

请参见C# demo

(\b(?:CATEGORY|PRODUCT|DATE (?:CREA|DELE)TED):)正则表达式是捕获组内的定界符模式，因此Regex.Split可以将匹配项添加到结果数组中。它匹配整个单词CATEGORY，PRODUCT，DATE CREATED和DATE DELETED，然后匹配:。如果该项目完全与该定界符匹配（请参见^中的$和Regex.IsMatch(x, $"^{rx}$")锚点），则它必须保持原样，否则将生成new String(' ', x.Length)一串空格。 / p>

如果您需要纯正则表达式解决方案，则可以使用

var delim = @"\b(?:CATEGORY|PRODUCT|DATE (?:CREA|DELE)TED):";
Console.WriteLine(Regex.Replace(s, $@"(\G(?!^)\s*|{delim}\s*)(?!{delim})\S", "$1 "));

请参见this regex demo。

详细信息

(\G(?!^)\s*|{delim}\s*)-第1组（替换模式中的$1）：上一个匹配项（\G(?!^)）的结尾，后跟0+空格（\s*）或（ |）带有0+空格的delim模式
(?!{delim})\S-不是delim序列的起始字符的任何非空白字符

Answer 3

我认为这是一个有趣的实验，我想出了一种与其他答案完全不同的方法。

public class WordStripper
{
    public string StripWords(string input)
    {
        var ignoreWords = new List<string>
        {
            "CATEGORY:",
            "DATE CREATED:",
            "PRODUCT:",
            "DATE DELETED:"
        };
        var deliminator = string.Join("|", ignoreWords);
        var splitInput = Regex.Split(input, $"({deliminator})");
        var sb = new StringBuilder();
        foreach (var word in splitInput)
        {
            if (ignoreWords.Contains(word))
            {
                sb.Append(word);
            }
            else
            {
                var wordLength = word.Length;
                sb.Append(new string(' ', wordLength));
            }
        }

        return sb.ToString();
    }
}

并进行单元测试以验证您是否感兴趣（使用NUnit）

[TestFixture]
public class Test
{
    [Test]
    [TestCase("CATEGORY:    SIDES   DATE CREATED:   03/12/16", "CATEGORY:            DATE CREATED:           ")]
    [TestCase("PRODUCT:      CARROTS    DATE DELETED:    05/11/17", "PRODUCT:                 DATE DELETED:            ")]
    public void TestMethod(string input, string expectedResult)
    {
        //arrange
        var uut = new WordStripper();

        //act
        var actualResults = uut.StripWords(input);

        //assert
        Assert.AreEqual(expectedResult, actualResults);
    }
}

替换字符串C＃

3 个答案: