代码之家 › 专栏 › 技术社区 › Denis Palnitsky

查找两个字符串之间的所有子字符串

regex c#

Denis Palnitsky · 技术社区 · 14 年前

我需要从字符串中获取所有子字符串。
对于EX:

StringParser.GetSubstrings("[start]aaaaaa[end] wwwww [start]cccccc[end]", "[start]", "[end]");

返回2个字符串“aaaaaa”和“ccccc” 假设我们只有一个层次的嵌套。不确定regexp,但我认为它会很有用。

6 回复 | 直到 14 年前

Jake 14 年前

private IEnumerable<string> GetSubStrings(string input, string start, string end)
{
    Regex r = new Regex(Regex.Escape(start) + "(.*?)" + Regex.Escape(end));
    MatchCollection matches = r.Matches(input);
    foreach (Match match in matches)
        yield return match.Groups[1].Value;
}

juharr 14 年前

这里的解决方案不使用正则表达式,也不考虑嵌套。

public static IEnumerable<string> EnclosedStrings(
    this string s, 
    string begin, 
    string end)
{
    int beginPos = s.IndexOf(begin, 0);
    while (beginPos >= 0)
    {
        int start = beginPos + begin.Length;
        int stop = s.IndexOf(end, start);
        if (stop < 0)
            yield break;
        yield return s.Substring(start, stop - start);
        beginPos = s.IndexOf(begin, stop+end.Length);
    }           
}

Mark Byers 14 年前

可以使用正则表达式,但请记住 Regex.Escape 关于你的论点:

public static IEnumerable<string> GetSubStrings(
   string text,
   string start,
   string end)
{
    string regex = string.Format("{0}(.*?){1}",
        Regex.Escape(start), 
        Regex.Escape(end));

    return Regex.Matches(text, regex, RegexOptions.Singleline)
        .Cast<Match>()
        .Select(match => match.Groups[1].Value);
}

我还添加了 SingleLine 选项,这样即使文本中有新行,它也会匹配。

Nime Cloud Sepideh I 10 年前

您需要更好地定义控制匹配需求的规则。 当构建任何类型的匹配或搜索代码时,您需要对预期的输入和需要生成的输出进行不同的理解。如果不仔细考虑这些问题,就很容易生成有缺陷的代码。说…

您应该能够使用正则表达式。 嵌套可能会使其稍微复杂一些,但仍然可行(取决于您希望在嵌套场景中匹配的内容)。比如应该开始:

var start = "[start]";
var end = "[end]";
var regEx = new Regex(String.Format("{0}(.*){1}", Regex.Escape(start), Regex.Escape(end)));
var source = "[start]aaaaaa[end] wwwww [start]cccccc[end]";
var matches = regEx.Match( source );

将上面的代码包装成适合您需要的函数应该很简单。

Howie 11 年前

我很无聊,因此我做了一个无用的微基准测试,它“证明”(在我的数据集上,它有长达7K个字符的字符串,并且 <b> 开始/结束参数的标签)我怀疑 尤哈尔 他的解决方案是三个方案中最快的。

结果(1000000次迭代*20个测试用例):

juharr: 6371ms
Jake: 6825ms
Mark Byers: 82063ms

注意:编译后的regex在我的数据集中并没有太快的速度。

Tomer Wolberg 7 年前

无regex方法:

public static List<string> extract_strings(string src, string start, string end)
{
    if (src.IndexOf(start) > 0)
    {
        src = src.Substring(src.IndexOf(start));
    }
    string[] array1 = src.Split(new[] { start }, StringSplitOptions.None);
    List<string> list = new List<string>();
    foreach (string value in array1)
    {
        if (value.Contains(end))
        {
            list.Add(value.Split(new[] { end }, StringSplitOptions.None)[0]);
        }
    }
    return list;
}