c# - 解析字符串的最佳方法是什么？

Question

我们有一个场景需要我们解析大量电子邮件（纯文本），每个电子邮件“类型”都是针对不同平台运行的脚本的结果。有些是制表符分隔的，有些是空格分隔的，有些是我们还不知道的。

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：

整体解决方案将在 C# 2.0（希望是 3.5）中开发

score 5 · Accepted Answer

正则表达式。

正则表达式几乎可以解决世界和平以外的所有问题。好吧，也许世界和平也是如此。

score 4 · Accepted Answer

您所说的三个解决方案都涵盖了非常不同的需求。

手动解析（简单的文本搜索）是最灵活和适应性最强的，但是，由于所需的解析更加复杂，它很快就变成了真正的麻烦。

正则表达式是一个中间地带，可能是你最好的选择。它们功能强大且灵活，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。您不能在中间解析中轻松更改解析器，实际上您可以，但它太重了，您最好使用正则表达式。

我知道这是一个陈词滥调的答案，这一切都归结为您的确切需求，但根据您所说的，我个人可能会选择一袋正则表达式。

作为替代方案，正如 Vaibhav 指出的那样，如果您可能会出现几种不同的情况，并且您可以轻松检测到哪种情况即将到来，您可以制作一个插件系统来选择正确的算法，而这些算法都可能非常不同，一种在尖锐的情况下使用 Lex/Yacc，另一种在更简单的情况下使用 IndexOf 和正则表达式。

score 1 · Accepted Answer

无论您使用哪种类型的字符串解析，您都可能应该拥有一个可插拔系统。因此，该系统根据电子邮件的类型调用正确的“插件”来解析它。

score 1 · Accepted Answer

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处理它们。为解析器创建一个接口，其中不仅包含用于解析电子邮件并以标准格式返回结果的方法，还包含用于检查电子邮件以确定解析器是否会执行的方法。

在您的配置中，确定您希望使用的解析器类型，设置其配置选项，以及确定解析器是否起作用的标识符的配置。通过程序集限定名称命名解析器，以便即使没有指向它们的程序集的静态链接，也可以在运行时实例化类型。

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事物。例如，您可以创建一个正则表达式标识符，用于解析电子邮件以查找特定模式。确保为标识符提供尽可能多的信息，以便它可以根据地址和电子邮件内容等做出决定。

当您已知的解析器无法处理作业时，请创建一个新的 DLL，该 DLL 具有实现解析器和标识符接口的类型，这些接口可以处理该作业并将它们放在您的 bin 目录中。

score 1 · Accepted Answer

这取决于你在解析什么。对于 Regex 无法处理的任何内容，我一直在使用ANTLR。在你第一次进入递归下降解析之前，我会研究它们是如何工作的，然后再尝试使用这样的框架。如果您订阅了 MSDN 杂志，请查看 2008 年 2 月的问题，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 就会容易很多。还有其他框架，但 ANTLR 似乎拥有最多的社区支持和公共文档。作者还发表了The Definitive ANTLR Reference: Building Domain-Specific Languages。

score 0 · Accepted Answer

0

正则表达式可能是你最好的选择、尝试和证明。另外可以编译正则表达式。

于 2008-09-11T11:52:25.903 回答

score 0 · Accepted Answer

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IndexOf用来处理某些事情，但您可能很快就会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 RegEx 语句中处理。此外，还有很多地方，例如RegExLib.com，您可以在其中找到共享正则表达式来解决问题的人。

score 0 · Accepted Answer

@Coincoin 已经覆盖了基础；我只想补充一点，使用正则表达式特别容易得到难以阅读、难以维护的代码。正则表达式是一种功能强大且非常紧凑的语言，所以它经常这样。

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。这是一个例子。

score 0 · Accepted Answer

0

使用 PCRE。所有其他答案都只是第二好。

于 2009-05-06T06:22:49.447 回答

score -1 · Accepted Answer

您提供的信息很少，我会选择正则表达式。

但是你想要解析什么样的信息以及你想要做什么可能会改变对 Lex/Yacc 的决定。

但看起来您已经下定决心使用字符串搜索 :)

10 回答 10