将多行电子邮件解析为 var

Question

我正在尝试解析一封多行电子邮件，这样我就可以获取电子邮件正文标题下的换行符上的数据。它看起来像这样：EMAIL STARTING IN APRILMarketing ID                                     Local Number-------------------                              ----------------------GR332230                                         0000232323Dispatch Code                                    Logic code-----------------                                -------------------GX3472                                           1Destination ID                                   Destination details-----------------                                -------------------3411144当我使用字符串阅读器 readline 时，我似乎在每个消息框上都得到了所有内容，尽管我想要的只是每个消息框下的数据------，如图所示这是我的代码：foreach (MailItem mail in publicFolder.Items){    if (mail != null)                      {        if (mail is MailItem)        {            MessageBox.Show(mail.Body, "MailItem body");            // Creates new StringReader instance from System.IO            using (StringReader reader = new StringReader(mail.Body))            {                string line;                while ((line = reader.ReadLine()) !=null)                 //Loop over the lines in the string.                if (mail.Body.Contains("Marketing ID"))                {                    // var localno = mail.Body.Substring(247,15);//not correct approach                    // MessageBox.Show(localrefno);                    //MessageBox.Show("found");                    //var conexid = mail.Body.Replace(Environment.NewLine);                    var regex = new Regex("<br/>", RegexOptions.Singleline);                    MessageBox.Show(line.ToString());                }            }        }        else        {            MessageBox.Show("Nothing found for MailItem");        }    }}    你可以看到我对它进行了多次尝试，甚至使用子字符串位置和正则表达式。请帮我从---.

Answer 1

 var dict = new Dictionary<string, string>();

            try

            {

                var lines = email.Split(Environment.NewLine.ToCharArray(), StringSplitOptions.RemoveEmptyEntries);

                int starts = 0, end = 0, length = 0;

                while (!lines[starts + 1].StartsWith("-")) starts++;

                for (int i = starts + 1; i < lines.Length; i += 3)

                {

                    var mc = Regex.Matches(lines[i], @"(?:^| )-");

                    foreach (Match m in mc)

                    {

                        int start = m.Value.StartsWith(" ") ? m.Index + 1 : m.Index;

                        end = start;

                        while (lines[i][end++] == '-' && end < lines[i].Length - 1) ;

                        length = Math.Min(end - start, lines[i - 1].Length - start);

                        string key = length > 0 ? lines[i - 1].Substring(start, length).Trim() : "";

                        end = start;

                        while (lines[i][end++] == '-' && end < lines[i].Length) ;

                        length = Math.Min(end - start, lines[i + 1].Length - start);

                        string value = length > 0 ? lines[i + 1].Substring(start, length).Trim() : "";

                        dict.Add(key, value);

                    }

                }

            }

            catch (Exception ex)

            {

                throw new Exception("Email is not in correct format");

            }

现场演示

使用正则表达式：

     var dict = new Dictionary<string, string>();

        try

        {

            var lines = email.Split(Environment.NewLine.ToCharArray(), StringSplitOptions.RemoveEmptyEntries);

            int starts = 0;

            while (!lines[starts + 1].StartsWith("-")) starts++;

            for (int i = starts + 1; i < lines.Length; i += 3)

            {

                var keys = Regex.Matches(lines[i - 1], @"(?:^| )(\w+\s?)+");

                var values = Regex.Matches(lines[i + 1], @"(?:^| )(\w+\s?)+");

                if (keys.Count == values.Count)

                    for (int j = 0; j < keys.Count; j++)

                        dict.Add(keys[j].Value.Trim(), values[j].Value.Trim());

                else // remove bug if value of first key in a line has no value

                {

                    if (lines[i + 1].StartsWith(" "))

                    {

                        dict.Add(keys[0].Value.Trim(), "");

                        dict.Add(keys[1].Value.Trim(), values[0].Value.Trim());

                    }

                    else

                    {

                        dict.Add(keys[0].Value, values[0].Value.Trim());

                        dict.Add(keys[1].Value.Trim(), "");

                    }

                }

            }

        }

        catch (Exception ex)

        {

            throw new Exception("Email is not in correct format");

        }

现场演示

Answer 2

这是一个假设您不需要标题的方法，信息按顺序和强制性出现。这不适用于包含空格或可选字段的数据。

foreach (MailItem mail in publicFolder.Items)

{

  MessageBox.Show(mail.Body, "MailItem body");

  // Split by line, remove dash lines.

  var data = Regex.Split(mail.Body, @"\r?\n|\r")

    .Where(l => !l.StartsWith('-'))

    .ToList();

  // Remove headers

  for(var i = data.Count -2; lines >= 0; i -2)

  {

    data.RemoveAt(i);

  }

  // now data contains only the info you want in the order it was presented.

  // Asuming info doesn't have spaces.

  var result = data.SelectMany(d => d.Split(' '));

  // WARNING: Missing info will not be present.

  // {"GR332230", "0000232323", "GX3472", "1", "3411144"}

}

Answer 3

这是我的尝试。我不知道电子邮件格式是否可以更改（行、列等）。

除了检查双空格（我的解决方案）之外，我想不出一种分隔列的简单方法。

class Program

{

    static void Main(string[] args)

    {

        var emailBody = GetEmail();

        using (var reader = new StringReader(emailBody))

        {

            var lines = new List<string>();

            const int startingRow = 2; // Starting line to read from (start at Marketing ID line)

            const int sectionItems = 4; // Header row (ex. Marketing ID & Local Number Line) + Dash Row + Value Row + New Line

            // Add all lines to a list

            string line = "";

            while ((line = reader.ReadLine()) != null)

            {

                lines.Add(line.Trim()); // Add each line to the list and remove any leading or trailing spaces

            }

            for (var i = startingRow; i < lines.Count; i += sectionItems)

            {

                var currentLine = lines[i];

                var indexToBeginSeparatingColumns = currentLine.IndexOf("  "); // The first time we see double spaces, we will use as the column delimiter, not the best solution but should work

                var header1 = currentLine.Substring(0, indexToBeginSeparatingColumns);

                var header2 = currentLine.Substring(indexToBeginSeparatingColumns, currentLine.Length - indexToBeginSeparatingColumns).Trim();

                currentLine = lines[i+2]; //Skip dash line

                indexToBeginSeparatingColumns = currentLine.IndexOf("  ");

                string value1 = "", value2 = "";

                if (indexToBeginSeparatingColumns == -1) // Use case of there being no value in the 2nd column, could be better

                {

                    value1 = currentLine.Trim();

                }

                else

                {

                    value1 = currentLine.Substring(0, indexToBeginSeparatingColumns);

                    value2 = currentLine.Substring(indexToBeginSeparatingColumns, currentLine.Length - indexToBeginSeparatingColumns).Trim();

                }                    

                Console.WriteLine(string.Format("{0},{1},{2},{3}", header1, value1, header2, value2));

            }

        }

    }

    static string GetEmail()

    {

        return @"EMAIL STARTING IN APRIL

                Marketing ID                                     Local Number

                -------------------                              ----------------------

                GR332230                                         0000232323

                Dispatch Code                                    Logic code

                -----------------                                -------------------

                GX3472                                           1

                Destination ID                                   Destination details

                -----------------                                -------------------

                3411144";

    }

}

输出看起来像这样：

营销 ID，GR332230，本地编号，0000232323 调度代码，GX3472，逻辑代码，1 目的地 ID，3411144，目的地详细信息，

Answer 4

用 Regex 做这件事不是一个好主意，因为它很容易忘记边缘情况，不容易理解，也不容易调试。很容易陷入正则表达式挂起 CPU 并超时的情况。（我还不能对其他答案发表任何评论。所以，在选择最终解决方案之前，请至少检查我的其他两个案例。）

在您的情况下，以下 Regex 解决方案适用于您提供的示例。但是，还有一些额外的限制：您需要确保非开始或非结束列中没有空值。或者，如果有两列以上且中间的任何一列为空，都会导致该行的名称和值不匹配。

不幸的是，我不能给你一个非正则表达式的解决方案，因为我不知道规范，例如：会有空格吗？会有 TAB 吗？每个字段的字符数是固定的还是灵活的？如果它是灵活的并且可以有空值，那么用什么样的规则来检测哪些列是空的？我假设它们很可能是由列名的长度定义的，并且只有空格作为分隔符。如果是这种情况，有两种方法可以解决它，两次通过 Regex 或编写自己的解析器。如果所有字段的长度都是固定的，那就更简单了：只需要使用子字符串来切割行，然后修剪它们。

using System;

using System.Collections.Generic;

using System.Linq;

using System.Text.RegularExpressions;

public class Program

{

    public class Record{

        public string Name {get;set;}

        public string Value {get;set;}

    }

    public static void Main()

    {

        var regex = new Regex(@"(?<name>((?!-)[\w]+[ ]?)*)(?>(?>[ \t]+)?(?<name>((?!-)[\w]+[ ]?)+)?)+(?:\r\n|\r|\n)(?>(?<splitters>(-+))(?>[ \t]+)?)+(?:\r\n|\r|\n)(?<value>((?!-)[\w]+[ ]?)*)(?>(?>[ \t]+)?(?<value>((?!-)[\w]+[ ]?)+)?)+", RegexOptions.Compiled);

        var testingValue =

@"EMAIL STARTING IN APRIL

Marketing ID                                     Local Number

-------------------                              ----------------------

GR332230                                         0000232323

Dispatch Code                                    Logic code

-----------------                                -------------------

GX3472                                           1

Destination ID                                   Destination details

-----------------                                -------------------

3411144";

        var matches = regex.Matches(testingValue);

        var rows = (

            from match in matches.OfType<Match>()

            let row = (

                from grp in match.Groups.OfType<Group>()

                select new {grp.Name, Captures = grp.Captures.OfType<Capture>().ToList()}

            ).ToDictionary(item=>item.Name, item=>item.Captures.OfType<Capture>().ToList())

            let names = row.ContainsKey("name")? row["name"] : null

            let splitters = row.ContainsKey("splitters")? row["splitters"] : null

            let values = row.ContainsKey("value")? row["value"] : null

            where names != null && splitters != null &&

                names.Count == splitters.Count &&

                (values==null || values.Count <= splitters.Count)

            select new {Names = names, Values = values}

            );

        var records = new List<Record>();

        foreach(var row in rows)

        {

            for(int i=0; i< row.Names.Count; i++)

            {

                records.Add(new Record{Name=row.Names[i].Value, Value=i < row.Values.Count ? row.Values[i].Value : ""});

            }

        }

        foreach(var record in records)

        {

            Console.WriteLine(record.Name + " = " + record.Value);

        }

    }

}

输出：

Marketing ID  = GR332230 

Local Number = 0000232323

Dispatch Code  = GX3472 

Logic code = 1

Destination ID  = 3411144

Destination details =

请注意，这也适用于此类消息：EMAIL STARTING IN APRIL

Marketing ID                                     Local Number

-------------------                              ----------------------

GR332230                                         0000232323

Dispatch Code                                    Logic code

-----------------                                -------------------

GX3472                                           1

Destination ID                                   Destination details

-----------------                                -------------------

                                                 3411144

输出：

Marketing ID  = GR332230 

Local Number = 0000232323

Dispatch Code  = GX3472 

Logic code = 1

Destination ID  = 

Destination details = 3411144

或这个：

EMAIL STARTING IN APRIL

Marketing ID                                     Local Number

-------------------                              ----------------------

Dispatch Code                                    Logic code

-----------------                                -------------------

GX3472                                           1

Destination ID                                   Destination details

-----------------                                -------------------

                                                 3411144               

输出：

Marketing ID  = 

Local Number = 

Dispatch Code  = GX3472 

Logic code = 1

Destination ID  = 

Destination details = 3411144