1

我正在尝试按行号拆分文本文件，例如，如果我有如下文本文件：

1 ljhgk uygk uygghl \r\n
1 ljhg kjhg kjhg kjh gkj  \r\n
1 kjhl kjhl kjhlkjhkjhlkjhlkjhl  \r\n
2 ljkih lkjhl kjhlkjhlkjhlkjhl  \r\n
2 lkjh lkjh lkjhljkhl  \r\n
3 asdfghjkl  \r\n
3 qweryuiop  \r\n

我想把它分成 3 个部分（1,2,3），我该怎么做？文本的大小非常大（约 20,000,000 个字符），我需要一种有效的方法（如正则表达式）。

4

2 回答 2

1

另一个想法，您可以使用 linq 通过按每个第一个单词拆分来获取您所追求的组。请注意，这将占用每个第一个单词，因此请确保那里只有数字。这是使用 split/join 反模式，但它似乎在这里工作得很好。

var lines = from line in s.Split("\r\n".ToCharArray(), 
                                 StringSplitOptions.RemoveEmptyEntries)
            let lineNumber = line.Split(" ".ToCharArray(), 2).FirstOrDefault()
            group line by lineNumber
            into g
            select String.Join("\n", g);

笔记：

  • GroupBy被保证按照它们出现的顺序返回行。
  • 如果一个块出现不止一次（例如"1 1 2 2 3 3 1"），所有具有相同编号的块将被合并。
于 2012-06-06T07:29:59.590 回答
0

您可以使用正则表达式，但拆分不会很好。您可以匹配以下模式：

^(\d).*$          # Match first line, capture number
([\r\n]+^\1.*$)*  # Match additional lines that begin with the same number

示例：这里

我确实尝试过拆分$(?<=^(\d+).*)[\r\n]+^(?!\1)，但它将行号添加为数组中的附加元素。

于 2012-06-06T06:51:01.013 回答