查找两个字符串之间的所有子字符串

问题描述：

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

返回2串 “AAAAAA” 和 “CCCCCC” 假设我们只有一个级别嵌套。不知道有关正则表达式，但我认为它将是有用的。

1级'[开始] XXX [开始] YYY [结束] ZZZ [结束]'是可能的？ – kennytm 2010-03-30 20:17:02

这是不可能的。 – 2010-03-30 20:19:42

如果你这样做是为了解析HTML或XML，有更好的方法... – Randolpho 2010-03-30 20:22:19

答

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; 
}

确切的我需要什么，谢谢 – 2010-03-30 20:28:05

+1 - 尤其是Regex.Escape :) – 2010-03-30 20:34:35

答

您将需要更好地定义管理您的匹配需求的规则。在构建任何类型的匹配或搜索代码时，您需要清楚地了解您预期哪些输入以及需要生成哪些输出。如果不仔细考虑这些问题，那么生成错误代码是非常容易的。这就是说...

你应该可以使用正则表达式。嵌套可能会使它稍微复杂一些，但仍然可行（取决于您期望在嵌套场景中匹配的内容）。类似的东西应该让你开始：

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是微不足道的。

答

您可以使用正则表达式，但记得要打电话Regex.Escape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，这样它将匹配即使有新行文字。

答

下面是一个不使用正则表达式并且不考虑嵌套的解决方案。

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); 
    }   
}

答

我很无聊，所以我做了一个无用的微基准，这“证明”（在我的数据集，其中有串起来的字符7K和<b>标签的开始/结束参数）我怀疑juharr的解决方案是整体三者中速度最快的。

结果（1000000次迭代* 20测试用例）：

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

注：编译正则表达式并没有加快速度多在我的数据集。

答

自由正则表达式-方法：嵌套装置

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; 
}

查找两个字符串之间的所有子字符串

相关推荐