C# 什么'；解析字符串的最佳方法是什么？

我们有一个场景需要解析大量电子邮件（纯文本），每个电子邮件“类型”都是在不同平台上运行脚本的结果。有些是制表符分隔的，有些是空格分隔的，有些我们还不知道

我们将来也需要支持更多的“格式”

我们是否使用以下方法寻求解决方案：

• 正则表达式
• 简单的字符串搜索（使用string.IndexOf等）
• 莱克斯/雅克
• 其他

整个解决方案将在C#2.0（希望是3.5）中开发

---

Regex几乎可以解决除世界和平之外的所有问题。好吧，也许世界也会和平。

正则表达式可能是你最好的选择，经过实践验证。此外，还可以编译正则表达式。

无论您使用哪种类型的字符串解析，您可能都应该有一个可插入系统。因此，这个系统根据电子邮件的类型调用正确的“插件”来解析它。

只要您提供的信息很少，我就选择Regex

但是您想要解析什么样的信息，以及您想要做什么，可能会将决策更改为Lex/Yacc

---

但看起来您已经决定使用字符串搜索：）

您所述的三种解决方案各自涵盖了非常不同的需求

手动解析（简单文本搜索）是最灵活和适应性最强的，但是，由于所需的解析更为复杂，它很快就会成为一个真正的麻烦

Regex是一个中间地带，可能是您在这里的最佳选择。它们功能强大，但很灵活，因为您可以自己从调用不同正则表达式的代码中添加更多逻辑。这里的主要缺点是速度

Lex/Yacc实际上只适用于非常复杂、可预测的语法，并且缺乏很多编译后的灵活性。您不能在解析过程中轻易地更改解析器，事实上您可以，但它太重了，您最好改用正则表达式

我知道这是一个老生常谈的回答，这实际上取决于你的确切需求，但从你所说的，我个人可能会带上一包regex

---

作为备选方案，正如Vaibhav Poiont指出的那样，如果你有几种不同的情况可能会出现，并且你可以很容易地发现哪种情况会出现，你可以制作一个插件系统来选择正确的算法，这些算法可能都非常不同，一种是在尖锐的情况下使用Lex/Yacc，另一种是在更简单的情况下使用IndexOf和regex。

您最好的选择是regex，因为它提供了比任何其他选项更大程度的灵活性

虽然您可以使用

IndexOf

来处理某些事情，但您可能会很快发现自己编写的代码如下所示：

if（s.IndexOf（“search1”）>-1 | s.IndexOf（“search2”）>-1 | |……

---

这可以在一个正则表达式语句中处理。此外，还有很多地方可以找到拥有共享正则表达式的人来解决问题。

您必须将解决方案设计为可更新的，以便在出现未知情况时可以处理这些未知情况。为解析器创建一个接口，该接口不仅包含解析电子邮件并以标准格式返回结果，还用于检查电子邮件以确定解析器是否将执行

在配置中，确定要使用的解析器的类型，设置其配置选项，以及用于确定解析器是否将执行操作的标识符的配置。使用程序集限定名命名解析器，以便即使没有指向其程序集的静态链接，也可以在运行时实例化这些类型

标识符也可以实现一个接口，因此您可以创建不同的类型来检查不同的内容。例如，您可以创建一个正则表达式标识符，用于解析电子邮件中的特定模式。请确保标识符可以获得尽可能多的信息，以便它可以对诸如从地址到作为电子邮件的内容

---

当您已知的解析器无法处理作业时，请创建一个新的DLL，其类型实现可处理作业的解析器和标识符接口，并将它们放入您的bin目录中。

这取决于您正在解析的内容。对于超出正则表达式可处理范围的任何内容，我一直在使用。在您跳转到递归下降解析之前第一次，在尝试使用这样的框架之前，我会研究它们是如何工作的。如果你订阅了MSDN杂志，请查看2008年2月的一期，那里有一篇关于从头开始编写的文章

---

一旦你理解了，学习ANTLR就会容易得多。还有其他的框架，但ANTLR似乎拥有最多的社区支持和公共文档。作者也发表了文章。

@Coincoin已经涵盖了这些基础；我只想补充一点，使用regex，尤其容易以难以阅读的内容结束，哈Regex是一种功能强大且非常紧凑的语言，所以它经常使用这种语言

---

在正则表达式中使用空格和注释可以大大简化正则表达式的维护。Eric Gunnerson让我想到了这个想法。这里是。

使用PCRE。所有其他答案都是第二好的。

我听说正则表达式负责拆除柏林墙。他们确实应该停止在灾难电影中使用核武器。正则表达式：原因它可以让你进行不同类型的搜索文本、正则表达式等。它是一个编译库，可以让你在这么多的平台上做这么多事情，并且经过多年的测试。它可能比你将要编写的实现快得多。