文本减肥：正则[已解决]

netbean · 发表于 2011-4-29 07:53:55

本帖最后由 netbean 于 2011-5-5 23:35 编辑

附件的文本想去掉多余字符，仅留代码，名称，试着用正则表达式替换不成功，请各位指教。谢谢

原文：600109 菳国金证券 ?瓽uA GJZQ 600110 菳中科英华 ? %?醶 A ZKYH

结果：600109 国金证券 600110 中科英华

3mile · 发表于 2011-4-29 09:20:48

不懂股票

netbean · 发表于 2011-4-29 10:15:44

本帖最后由 netbean 于 2011-4-29 11:03 编辑

$SNT = FileOpen(@MyDocumentsDir & "\SNT.txt", 2)
$S = FileRead($SNT)
$new = StringRegExpReplace($S, '(\d{6}).*?([\x{4e00}-\x{9fa5}]+)', '\1\2')
FileWrite($SNT, $new)
FileClose($SNT)

谢谢。可是用这个代码返回不成功，请再帮忙看看

netbean · 发表于 2011-4-29 12:18:33

(\d{6}).*(\*ST[\x{4e00}-\x{9fa5}]{2})|(\d{6}).*(\*ST[\x{4e00}-\x{9fa5}]{2}\S)|(\d{6}).*(ST[\x{4e00}-\x{9fa5}]{2})|(\d{6}).*(ST[\x{4e00}-\x{9fa5}]{2}\S)|(\d{6}).*([\x{4e00}-\x{9fa5}]{4})|(\d{6}).*([\x{4e00}-\x{9fa5}]{3})|(\d{6}).*([\x{4e00}-\x{9fa5}]{3}\S)

写了个超长表达式，还是不行，估计要合并；

如果是最普通的样式，用(\d{6}).*([\x{4e00}-\x{9fa5}]{4})可以
但是如何包含其他特例呢？另外替换也不会

netbean · 发表于 2011-4-29 13:04:25

本帖最后由 netbean 于 2011-4-29 13:14 编辑

(\d{6}).*?([\x{4e00}-\x{9fa5}]{2,4}\S{0,1})

改进了，继续

netbean · 发表于 2011-4-29 13:23:02

本帖最后由 netbean 于 2011-4-29 13:59 编辑

(\d{6}).*?(\S{0,3}[\x{4e00}-\x{9fa5}]{2,4}\S{0,1})

查找OK
但放在程序中不成功

easefull · 发表于 2011-4-29 13:55:39

论坛有好几天没人出正则题目了
继续做题

解法1:正则匹配,手动串连字符串

#include <Array.au3>
Local $sText =        '600109       菳        国金证券                                                                                                                                                                                                   ?瓽uA   GJZQ     600110       菳        中科英华          ?                                                                                                                                                                                        %?醶 A   ZKYH     '
Local $asResult = StringRegExp($sText, '(\d+)\s+\S\s+\S\s+(\S+)\s+', 3)
_ArrayDisplay($asResult)

Local $sResult = ""
Local $i = -2
Do
        $i += 2
        $sResult &= $asResult[$i] & @TAB & $asResult[$i+1] & @CRLF
Until $i = UBound($asResult) - 2
MsgBox(4096, "", $sResult)
Exit

easefull · 发表于 2011-4-29 13:56:19

论坛有好几天没人出正则题目了
继续做题

解法2:直接正则替换

Local $sText =        '600109       菳        国金证券                                                                                                                                                                                                   ?瓽uA   GJZQ     600110       菳        中科英华          ?                                                                                                                                                                                        %?醶 A   ZKYH     '
Local $sResult = StringRegExpReplace($sText, '(\d+)(\s+\S\s+\S\s+)(\S+)([^\d]+)', '$1' & @TAB & '$3' & @CRLF)
MsgBox(4096, "", $sResult)
Exit

easefull · 发表于 2011-4-29 14:23:03

8楼的解法好像有些问题,如果是附件文件里面的文本则无法跳过附件文件的第一行.

来第三个解法:先把整个文本分段,然后取需要的信息.

#include <Array.au3>
Local $sText    = FileRead("shex.tnf")
Local $asResult = StringRegExp($sText, '\d{6}\s+\S\s+\S\s+\S+', 3)
_ArrayDisplay($asResult)

Local $sResult = ""
For $i = 0 To UBound($asResult) - 1 Step 1
        $sResult &= StringRegExpReplace($asResult[$i], '(\d{6})(\s+\S\s+\S\s+)(\S+)', '$1' & @TAB & '$3' & @CRLF)
Next
MsgBox(4096, "", $sResult)

easefull · 发表于 2011-4-29 14:31:44

9楼的代码还是有问题,不过处理不了了:
000043 超大盘
超大盘中间有空格,导致只能取到一个超字

同样,6楼的代码会错取000043的结果为上证中盘(上证中盘的正确代码是000044,000043正确的应该是超大盘).而000044则被跳过了.

另外,继续膜拜3mile的\x

netbean · 发表于 2011-4-29 14:51:28

谢谢各位帮忙，经测试还没成功

netbean · 发表于 2011-4-29 14:56:05

本帖最后由 netbean 于 2011-4-29 16:16 编辑

另外，样本中须补充深圳样式，这是全部数据

SH
600000 浦发银行（第一位）
600017 日照港
600074 *ST中达
600130 ST波导
600182 S佳通
600315 XD上海家
600603 ST兴  业
600610 SST中纺
600688 S上石化
601999 出版传媒（最末位）
SZ
000001 深发展Ａ（第一位）
000002 万  科Ａ
000010 S ST华新
000011 深物业A
000012 南  玻Ａ
000017 *ST中华A
000018 ST中冠A
000509 S*ST华塑
000528 柳工
000555 ST 太光
002032 苏泊尔
002286 保龄宝
002578 闽发铝业（最末位）

创业板
300001 特锐德（第一位）
300210 森远股份（最末位）

重新整理出结果样式，除股票（第一位最末位之间）以外部分可删除。谢谢

love5173 · 发表于 2011-4-29 15:05:18

回复 12# netbean
对股市不懂，什么叫深圳样式，楼主你可以贴一张处理完的格式，不用全部处理完处理一部分的就可以

love5173 · 发表于 2011-4-29 17:40:01

这个不是单纯正则的问题了晚上给你代码好吧，现在上班不好测试代码

love5173 · 发表于 2011-4-29 19:27:37

回复 12# netbean
你的文本是通过什么产生的？软件or网页

		自动登录	找回密码
密码			加入

[效率算法] 文本减肥：正则[已解决]

本帖子中包含更多资源

相关帖子

本帖子中包含更多资源

本帖子中包含更多资源