正则表达式在 C# 中拆分多行文本

Question

我正在尝试构建一个正则表达式来拆分从 WhatsApp 通过电子邮件发送的消息存档。

示例：

23.02.16, 11:01 - Herr Paul Muster: han vpn verbindig zu ufgmacht und die kappt ja sinternet
23.02.16, 11:01 - Herr Paul Muster: jetzt channi mi nümme verbinde 
23.02.16, 11:10 - Herr Paul Muster: merci
25.02.16, 09:09 - Herr Peter Nachname: Bin i 15min im office
07.03.16, 09:29 - Herr Peter Nachname: Da ich weiss dases eh nid kommuniziert wird, schribis eu au. Ich wird hüt dihei blibe, han migräneartigi grindschmerze...lg
07.03.16, 09:30 - Markus: Ok, danke für d'info (und dini hellseherische fähigkeite)
Gueti besserig
04.04.16, 09:24 - Herr Peter Nachname: Bi grad im office 
13.04.16, 19:00 - Herr Paul Muster: mir sind usem büro usgschlosse 
13.04.16, 19:00 - Herr Paul Muster: händ meeting gah 
und all händ dä schlüssel 
im büro 
13.04.16, 19:08 - Herr Peter Nachname: Lol 
13.04.16, 19:12 - Herr Paul Muster: du bisch eh grossi hilf  bisch nid per zuefall ih dä nöchi?

每行末尾都有一个换行符 (\n)。目前我正在使用以下代码：

new Regex(@"([\d]{2}.[\d]{2}.[\d]{2}, [\d]{2}:[\d]{2})[\s]-[\s](.*):[\s](.*)");

MatchCollection第一组包含日期，第二部分是发件人。第三组仅包含直到行尾的消息文本。但我想获取整个消息，包括换行符或任何内容，直到 datepart.

的下一场比赛

我检查了几个论坛和 QA 页面，但找不到解决我的问题的方法。所以也许这里有人可以给我提示以解决我的问题。

Answer 1

您可以先将此解决方法用于 Regex.Replace():

string pattern =  @"(.)$\n(\D\D[^.]\D\D[^.]\D\D)";
string input = ""; // Your multiline input
string replacement = "";
Regex rgx = new Regex(pattern);
string result = rgx.Replace(input, replacement);

哪个会给你：

23.02.16, 11:01 - Herr Paul Muster: han vpn verbindig zu ufgmacht und die kappt ja sinternet
23.02.16, 11:01 - Herr Paul Muster: jetzt channi mi nümme verbinde 
23.02.16, 11:10 - Herr Paul Muster: merci
25.02.16, 09:09 - Herr Peter Nachname: Bin i 15min im office 07.03.16, 09:29 - Herr Peter Nachname: Da ich weiss dases eh nid kommuniziert wird, schribis eu au. Ich wird hüt dihei blibe, han migräneartigi grindschmerze...lg 07.03.16, 09:30 - Markus: Ok, danke für d'info (und dini hellseherische fähigkeite)Gueti besserig
04.04.16, 09:24 - Herr Peter Nachname: Bi grad im office 
13.04.16, 19:00 - Herr Paul Muster: mir sind usem büro usgschlosse  13.04.16, 19:00 - Herr Paul Muster: händ meeting gah und all händ dä schlüssel im büro 
13.04.16, 19:08 - Herr Peter Nachname: Lol 
13.04.16, 19:12 - Herr Paul Muster: du bisch eh grossi hilf  bisch nid per zuefall ih dä nöchi?

然后您可以应用您的正则表达式 new Regex(@"([\d]{2}.[\d]{2}.[\d]{2}, [\d]{2}:[\d]{2})[\s]-[\s](.*):[\s](.*)"); 来创建您的群组。

限制：

如果您的新行以日期开头但不是新条目，它将不起作用。

Answer 2

试试这个

string pattern = @"([\d]{2}.[\d]{2}.[\d]{2}, [\d]{2}:[\d]{2})[\s]-[\s](.*?):[\s](.*?)(?=\r\n\d|\z)";

var regex = new Regex(pattern, RegexOptions.Singleline);

注意几个惰性量词。

最后，我们检查下一句开头或文件末尾的数字是否存在。

单行选项需要点捕获任何字符，包括换行。

Answer 3

感谢所有意见

我能够使用以下正则表达式模式通过 Sebasian Proske 的输入解决我的问题：

new Regex(@"(\d{2}\.\d{2}\.\d{2}, \d{2}:\d{2})\s-\s(.*?):\s((?:.+|\n(?!\d{2}\.\d{2}\.\d{2}, \d{2}:\d{2}))+)");

Answer 4

这是一个仅限 .NET 的解决方案：

new Regex(@"(^\d{2}\.\d{2}\.\d{2}, \d{2}:\d{2})\s-\s([^:]*):\s(.*?)$",
    RegexOptions.Multiline | RegexOptions.Singleline | RegexOptions.RightToLeft);

Multiline 选项允许 ^ 和 $ 在行边界匹配，Singleline 允许 . 匹配换行符，RightToLeft 使匹配从字符串末尾向后进行.

非贪婪 (.*?) 导致它在 Date, Time - Name: 序列第一次出现（或下一次出现，向后）时停止匹配，因此它一次只匹配一行。比赛将按相反顺序进行，但分组不会。

如果这感觉太像黑魔法了，您可以改用这个：

new Regex(@"(^\d{2}\.\d{2}\.\d{2}, \d{2}:\d{2})\s-\s([^:]*):\s((?:(?!^\d{2}\.\d{2}\.\d{2},).)*)$",
    RegexOptions.Multiline | RegexOptions.Singleline);

(?:(?!^\d{2}\.\d{2}\.\d{2},).)* 匹配零个或多个字符（包括换行符，因为有 Singleline 选项），直到下一个字符是行首日期的开始（或直到没有更多字符).

正则表达式在 C# 中拆分多行文本

Regex to split multiline text in C#

c#

regex

multiline

限制：