我目前正在尝试处理一些我无法控制的数据源,我在C#中使用正则表达式来提取信息.
数据馈送的发起者从数据库中提取基本行数据(如产品名称,价格等),然后在英文文本行中格式化该数据.对于每一行,一些文本是重复的静态文本,一些是从数据库中动态生成的文本.
例如
松下电视免费蓝光播放器
索尼电视免费DVD播放机+票房DVD
Kenwood Hi-Fi部门提供20美元的亚马逊MP3优惠券
因此,此实例中的格式为:带有FREEGIFT的PRODUCT.
PRODUCT和FREEGIFT是每行的动态部分,"with"文本是静态的.每个Feed有大约2000行.
创建正则表达式以提取动态部分是微不足道的.
问题在于,控制数据源的营销方式一直在改变静态文本的结构,通常是两周一次,所以本周我可能会:
如果您今天订购,全新松下电视和免费蓝光播放器
如果您今天订购,全新索尼电视和免费DVD播放机+票房DVD
如果您今天订购,全新的Kenwood Hi-Fi设备和20美元的亚马逊MP3优惠券
下周它可能会有所不同,所以我必须继续修改我的正则表达式......
你会怎么处理这个？
是否有算法来确定重复的字符串行中的静态和可变文本？如果是这样,那么使用这种算法的输出以编程方式创建动态正则表达式的最佳方法是什么？
感谢您的帮助或建议.