C# 尽可能长地将行与固定列匹配

我将解析一个遗留系统中的位置基文件。文件中的每一列都有固定的列宽，每一行的最大长度为80个字符。问题是你不知道一排有多长。有时他们只填写前五列，有时使用所有列

如果我知道使用的所有80个字符，那么我可以这样做：

^\s*
 (?<a>\w{3})
 (?<b>[ \d]{2})
 (?<c>[ 0-9a-fA-F]{2})
 (?<d>.{20})
 ...

我应该如何设计正则表达式来匹配它

编辑1

在本例中，我要解析的每一行都以AQM开头

列a始终从位置0开始 b列始终从位置3开始 列c始终从位置5开始 d列始终从位置7开始 如果列未使用其所有空间，则文件中是否有空格 只能修剪使用的最后一列

编辑2 为了让它更清楚，我在这里附上了soem示例，说明了数据可能是什么样子的，列的定义指出，我在问题前面提到的示例被大大简化了

尝试使用？在那些不在那里的小组之后。在这种情况下，如果某个组丢失，您将获得匹配

编辑n，在Sguazz答案之后

我会用

(?<a>AQM)(?<b>[ \d]{2})?(?<c>[ 0-9a-fA-F]{2})?(?<d>.{0,20})?

试着用一种新的方法？在那些不在那里的小组之后。在这种情况下，如果某个组丢失，您将获得匹配

编辑n，在Sguazz答案之后

我会用

(?<a>AQM)(?<b>[ \d]{2})?(?<c>[ 0-9a-fA-F]{2})?(?<d>.{0,20})?

---

我不确定在这里使用regexp是否正确。如果我理解你的结构，你想要

if (length >= 8) 
   d = everything 8th column on
   remove field d
else
   d = empty

if (length >= 6)
   c = everything 6th column on
   remove field c
else
   c = empty

---

等。也许一个regexp可以做到这一点，但它可能会相当做作。

我不确定在这里使用regexp是否正确。如果我理解你的结构，你想要

if (length >= 8) 
   d = everything 8th column on
   remove field d
else
   d = empty

if (length >= 6)
   c = everything 6th column on
   remove field c
else
   c = empty

---

等。也许一个regexp可以做到这一点，但它可能会相当做作。

所以，换句话来说：在你的例子中，你有一个字符序列，你知道前3个属于a组，后面2个属于B组，然后2个属于C组，20个属于D组，但可能没有这么多元素

尝试：

(?<a>\w{0,3})(?<b>[ \d]{0,2})(?<c>[ 0-9a-fA-F]{0,2})(?<d>.{0,20})

基本上，这些数字现在是团体的上限，而不是固定的人数

编辑，以反映您最后的评论：如果您知道所有相关行都以“AQM”开头，您可以将组A替换为？AQM

另一个编辑：让我们试试这个

(?<a>AQM)(?<b>[ \d]{2}|[ \d]$)(?<c>[ 0-9a-fA-F]{0,2})(?<d>.{0,20})

---

所以，换句话来说：在你的例子中，你有一个字符序列，你知道前3个属于a组，后面2个属于B组，然后2个属于C组，20个属于D组，但可能没有这么多的元素

尝试：

(?<a>\w{0,3})(?<b>[ \d]{0,2})(?<c>[ 0-9a-fA-F]{0,2})(?<d>.{0,20})

基本上，这些数字现在是团体的上限，而不是固定的人数

编辑，以反映您最后的评论：如果您知道所有相关行都以“AQM”开头，您可以将组A替换为？AQM

另一个编辑：让我们试试这个

(?<a>AQM)(?<b>[ \d]{2}|[ \d]$)(?<c>[ 0-9a-fA-F]{0,2})(?<d>.{0,20})

---

也许您可以使用这样的函数将字符串分解为列值。它不解析注释字符串，并且能够处理少于80个字符的字符串。但它不会验证列的内容。当你使用这些值时，也许你可以做到这一点

/// <summary>
/// Break a data row into a collection of strings based on the expected column widths.
/// </summary>
/// <param name="input">The width delimited input data to break into sub strings.</param>
/// <returns>
/// An empty collection if the input string is empty or a comment.
/// A collection of the width delimited values contained in the input string otherwise.
/// </returns>
private static IEnumerable<string> ParseRow(string input) {
    const string COMMENT_PREFIX = "COM*";
    var columnWidths = new int[] { 3, 2, 2, 3, 6, 14, 2, 2, 3, 2, 2, 10, 7, 7, 2, 1, 1, 2, 7, 1, 1 };
    int inputCursor = 0;
    int columnIndex = 0;
    var parsedValues = new List<string>();

    if (String.IsNullOrEmpty(input) || input.StartsWith(COMMENT_PREFIX) || input.Trim().Length == 0) {
        return parsedValues;
    }

    while (inputCursor < input.Length && columnIndex < columnWidths.Length) {
        //Make sure the column width never exceeds the bounds of the input string. This can happen if the input string doesn't end on the edge of a column.
        int columnWidth = Math.Min(columnWidths[columnIndex++], input.Length - inputCursor);
        string columnValue = input.Substring(inputCursor, columnWidth);
        parsedValues.Add(columnValue);
        inputCursor += columnWidth;
    }
    return parsedValues;
}

---

也许您可以使用这样的函数将字符串分解为列值。它不解析注释字符串，并且能够处理少于80个字符的字符串。但它不会验证列的内容。当你使用这些值时，也许你可以做到这一点

/// <summary>
/// Break a data row into a collection of strings based on the expected column widths.
/// </summary>
/// <param name="input">The width delimited input data to break into sub strings.</param>
/// <returns>
/// An empty collection if the input string is empty or a comment.
/// A collection of the width delimited values contained in the input string otherwise.
/// </returns>
private static IEnumerable<string> ParseRow(string input) {
    const string COMMENT_PREFIX = "COM*";
    var columnWidths = new int[] { 3, 2, 2, 3, 6, 14, 2, 2, 3, 2, 2, 10, 7, 7, 2, 1, 1, 2, 7, 1, 1 };
    int inputCursor = 0;
    int columnIndex = 0;
    var parsedValues = new List<string>();

    if (String.IsNullOrEmpty(input) || input.StartsWith(COMMENT_PREFIX) || input.Trim().Length == 0) {
        return parsedValues;
    }

    while (inputCursor < input.Length && columnIndex < columnWidths.Length) {
        //Make sure the column width never exceeds the bounds of the input string. This can happen if the input string doesn't end on the edge of a column.
        int columnWidth = Math.Min(columnWidths[columnIndex++], input.Length - inputCursor);
        string columnValue = input.Substring(inputCursor, columnWidth);
        parsedValues.Add(columnValue);
        inputCursor += columnWidth;
    }
    return parsedValues;
}

---

你的要求不是很清楚。示例中的哪些行应该匹配，哪些不应该匹配？为什么？对不起。示例中的所有行都应该匹配。任务是获取每行上存在的所有列。我添加了更多的示例来显示不匹配的行。在您的情况下，主要问题是列之间缺少任何清晰的分隔符。由于每列中的字符数都是可变的，因此什么可以限定某个字符位于该列或该列中？除最后一列外，每列中的字符数是固定的。最后一列可以修剪。我添加了一个新的例子，列更短，并用空格填补了空白。您的要求并不明确。示例中的哪些行应该匹配，哪些不应该匹配？为什么？对不起。示例中的所有行都应该匹配。任务是获取每行上存在的所有列。我添加了更多的示例来显示不匹配的行。在您的情况下，主要问题是列之间缺少任何清晰的分隔符。由于每列中的字符数都是可变的，因此什么可以限定某个字符位于该列或该列中？除最后一列外，每列中的字符数是固定的。最后一列可以修改。我添加了一个新的例子，列更短，并用spacesOk填补了空白。我编辑，即使你的评论会让以后的读者感到困惑。我尝试过这样做，但是

---

---

如果你把最后一个专栏的时间安排好了，会发生什么？在每个组之后，每个列都是可选的。但没有列是可选的。我知道d列总是从第7位开始，如果它存在的话。好的，那么就用？+把它忘了？对于其他组。可能使用\d[\d]而不是[\d]{2}，这样消耗的列数是正确的，并且您避免只使用空格。对不起，我太模糊了。我的意思是，它是最后一个可以缩短的使用列。然而，哪一列是未知的。他们可能只会使用前2-3列，你永远不知道。好吧，我编辑，即使你的评论会让人困惑谁会在以后阅读。我已经尝试过这样做，但是当他们对最后一列进行计时时会发生什么，如果你把它放进去？在每个组之后，每个列都是可选的。但没有列是可选的。我知道d列总是从第7位开始，如果它存在的话。好的，那么就用？+把它忘了？对于其他组。可能使用\d[\d]而不是[\d]{2}，这样消耗的列数是正确的，并且您避免只使用空格。对不起，我太模糊了。我的意思是，它是最后一个可以缩短的使用列。然而，哪一列是未知的。他们可能只使用前2-3列，你永远不知道。我也想过这样做。问题是你不能保证列的宽度是固定的；其他的则用空格填充，而这些空格实际上只是另一个字符。这不对吗？也许我误解了什么，但我很难找到一个失败的争吵。你能提供一个吗？每行都是匹配的。它是最后一个可以修剪的使用列。但你不知道最新的愿望专栏。我添加了一个不匹配的新示例，我明白了。这个怎么样？我也想过要做这个。问题是你不能保证列的宽度是固定的；其他的则用空格填充，而这些空格实际上只是另一个字符。这不对吗？也许我误解了什么，但我很难找到一个失败的争吵。你能提供一个吗？每行都是匹配的。它是最后一个可以修剪的使用列。但你不知道最新的愿望专栏。我添加了一个不匹配的新示例，我明白了。这个怎么样？