C#按多字符分隔符拆分文本并保留分隔符的实现难题

问题场景 #

待处理的不规范商品文本：

Line A
1. Snowflake cake flour 12.5kg R142.99
2. Libresse Toilet Rolls 24s R82.99 3. Snowflake Self Raising Flour 10 x 1kg R264.99 20 x 500g R264.99
4. Elite Rice 10kg R85.99 5. Allsome Rice 10kg R133.99 5kg 88.99
6. Nola Mayonnaise 6 x 750g
7. Aromat
8.

核心需求：将合并在同一行的多商品拆分，每个商品单独成列表项，保留原有的数字. 空格编号格式。

解决方案 #

问题出在Regex.Split默认会丢弃分隔符，通过捕获组可以保留分隔符，再将分隔符与对应商品内容拼接即可。以下是完整C#实现：

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text.RegularExpressions;

public class ProductParser
{
    public static List<string> ParseProducts(string rawText)
    {
        // 按行拆分，过滤空行和仅含编号的无效行
        var validLines = rawText.Split(new[] { Environment.NewLine }, StringSplitOptions.RemoveEmptyEntries)
                                .Where(line => !string.IsNullOrWhiteSpace(line) && !Regex.IsMatch(line, @"^\d+\.$"));

        var products = new List<string>();
        // 正则捕获组保留"数字. "格式的分隔符
        var splitRegex = new Regex(@"(\d+\. )");

        foreach (var line in validLines)
        {
            // 拆分后数组结构：[空串, 分隔符1, 商品内容1, 分隔符2, 商品内容2,...]
            var parts = splitRegex.Split(line);
            // 从索引1开始，每两个元素拼接成一个完整商品项
            for (int i = 1; i < parts.Length; i += 2)
            {
                if (i + 1 < parts.Length)
                {
                    var fullProduct = parts[i] + parts[i + 1].Trim();
                    products.Add(fullProduct);
                }
            }
        }

        return products;
    }

    public static void Main()
    {
        string rawInput = @"Line A
1. Snowflake cake flour 12.5kg R142.99
2. Libresse Toilet Rolls 24s R82.99 3. Snowflake Self Raising Flour 10 x 1kg R264.99 20 x 500g R264.99
4. Elite Rice 10kg R85.99 5. Allsome Rice 10kg R133.99 5kg 88.99
6. Nola Mayonnaise 6 x 750g
7. Aromat
8.";

        var formattedProducts = ParseProducts(rawInput);
        // 输出规范列表项
        foreach (var product in formattedProducts)
        {
            Console.WriteLine($"- {product}");
        }
    }
}

关键说明 #

• 正则捕获组：(\d+\. )中的括号会将匹配到的编号分隔符（如2. ）保留在拆分结果中
• 数组遍历逻辑：拆分后的数组按「空串→分隔符→商品内容」循环，步长为2遍历即可将分隔符与对应商品拼接
• 无效行过滤：提前移除空行和仅含数字.的无效行（如原文本中的8.）

最终输出效果 #

• 1. Snowflake cake flour 12.5kg R142.99
• 2. Libresse Toilet Rolls 24s R82.99
• 3. Snowflake Self Raising Flour 10 x 1kg R264.99 20 x 500g R264.99
• 4. Elite Rice 10kg R85.99
• 5. Allsome Rice 10kg R133.99 5kg 88.99
• 6. Nola Mayonnaise 6 x 750g
• 7. Aromat

内容的提问来源于stack exchange，提问作者Chamkey