从一个大字符串中提取数据

Question

首先，我正在使用下面的函数从PDF文件中读取数据。

public string ReadPdfFile(string fileName)
    {
        StringBuilder text = new StringBuilder();

        if (File.Exists(fileName))
        {
            PdfReader pdfReader = new PdfReader(fileName);

            for (int page = 1; page <= pdfReader.NumberOfPages; page++)
            {
                ITextExtractionStrategy strategy = new SimpleTextExtractionStrategy();
                string currentText = PdfTextExtractor.GetTextFromPage(pdfReader, page, strategy);

                currentText = Encoding.UTF8.GetString(ASCIIEncoding.Convert(Encoding.Default, Encoding.UTF8, Encoding.Default.GetBytes(currentText)));
                text.Append(currentText);
                pdfReader.Close();
            }
        }
        return text.ToString();
    }

正如您所看到的，所有数据都保存在一个字符串中。该字符串的格式如下：

label1: data1;
label2: data2;
label3: data3;
.............
labeln: datan;

我的问题是：如何根据标签从字符串中获取数据？我尝试了这个方法，但卡住了：

   if ( string.Contains("label1")) 
   {
       extracted_data1 = string.Substring(string.IndexOf(':') , string.IndexOf(';') - string.IndexOf(':') - 1);
   }
   if ( string.Contains("label2"))
   {
       extracted_data2 = string.Substring(string.IndexOf("label2") + string.IndexOf(':') , string.IndexOf(';') - string.IndexOf(':') - 1); 
   } 

- Emil Dumbazu

Answer 1

请看String.Split()函数，它可以根据提供的字符数组将字符串进行分词。

例如：

 string[] lines = text.Split(new[] {';'}, StringSplitOptions.RemoveEmptyEntries);

现在循环遍历该数组并再次拆分每个元素。

foreach(string line in lines) {
      string[] pair = line.Split(new[] {':'});
      string key = pair[0].Trim();
      string val = pair[1].Trim();
      ....
   }

显然需要检查空行，并在必要时使用.Trim()...

[编辑] 或者作为一个漂亮的Linq语句...

var result = from line in text.Split(new[] {';'}, StringSplitOptions.RemoveEmptyEntries)
             let  tokens = line.Split(new[] {':'})
             select tokens;

Dictionary<string, string> = 
       result.ToDictionary (key => key[0].Trim(), value => value[1].Trim());

- Neil Fenwick

Answer 2

这个代码比较硬编码，但是你可以根据自己的需求进行一些微调：

    string input = "label1: data1;" // Example of your input
    string data = input.Split(':')[1].Replace(";","").Trim();

- Bram W.

Answer 3

您可以通过使用Dictionary<string,string>来实现此目的。

            Dictionary<string, string> dicLabelData = new Dictionary<string, string>();
            List<string> listStrSplit = new List<string>();
            listStrSplit = strBig.Split(';').ToList<string>();//strBig is big string which you want to parse

            foreach (string strSplit in listStrSplit)
            {
                if (strSplit.Split(':').ToList<string>().Count > 1)
                {
                    List<string> listLable = new List<string>();
                    listLable = strSplit.Split(':').ToList<string>();

                    dicLabelData.Add(listLable[0],listLable[1]);//Key=Label,Value=Data
                }
            }

dicLabelData 包含所有标签的数据....

- user1082916

Answer 4

你可以使用正则表达式来实现：

Regex rx = new Regex("label([0-9]+): ([^;]*);");
var matches = rx.Matches("label1: a string; label2: another string; label100: a third string;");

foreach (Match match in matches) {
    var id = match.Groups[1].ToString();
    var data = match.Groups[2].ToString();
    var idAsNumber = int.Parse(id);

    // Here you use an array or a dictionary to save id/data
}

- xanatos

Answer 5

我觉得你可以使用 正则表达式 来解决这个问题。只需在断行处拆分字符串并使用正则表达式获取正确的数字。

- Frederiek