将遗留系统导出的文本订单数据解析后导入MVC Web应用（SQL后端）

嘿，我来帮你搞定这个遗留系统数据导入的问题！看起来你已经通过WebClient拿到了目标文本文件，接下来就是解析和导入到SQL后端MVC应用的环节了，咱们一步步拆解来做：

从你给出的示例SLOCATION Pub C "FTL"来看，每条字段的格式应该是：[字段名] [系统内部标识] [数据类型标识] "[字段值]"。其中Pub和C应该是遗留系统的内部标记（比如发布状态、字符类型标识），咱们核心要提取的是：

• 字符串字段：双引号包裹的内容（哪怕是空的，比如" "）
• 数值字段：对应位置的数字（这类字段应该不会带双引号，比如类似TOTALAMT Pub N 123.45的格式）

因为是MVC Web应用，大概率用的是.NET栈，我给你写个实用的解析+导入示例，逻辑可以直接复用：

首先，你需要先定义对应订单的实体模型（和数据库表对应），然后写解析和导入的工具类：

using System;
using System.IO;
using System.Text.RegularExpressions;
using System.Collections.Generic;
using System.Linq;
using YourMvcApp.Models; // 替换成你项目里的实体命名空间
using YourMvcApp.Data; // 替换成你项目的DbContext命名空间

public class LegacyOrderImporter
{
    // 解析文件，返回订单实体列表
    public List<Order> ParseLegacyOrderFile(string filePath)
    {
        var orders = new List<Order>();
        // 正则匹配双引号内的内容
        var stringValueRegex = new Regex(@"\""([^\""]*)\""");
        // 正则匹配数值（整数/小数）
        var numericValueRegex = new Regex(@"\d+(\.\d+)?");

        foreach (var line in File.ReadAllLines(filePath))
        {
            if (string.IsNullOrWhiteSpace(line)) continue;

            // 按空格拆分，取字段名和后续的内容部分
            var lineParts = line.Split(new[] {' '}, 3);
            if (lineParts.Length < 3) continue; // 跳过格式异常的行

            var fieldName = lineParts[0];
            var valueSegment = lineParts[2];

            // 初始化当前订单（如果是第一条字段，创建新订单；否则复用已有订单）
            var currentOrder = orders.LastOrDefault() ?? new Order();

            if (valueSegment.StartsWith("\""))
            {
                // 处理字符串字段
                var match = stringValueRegex.Match(valueSegment);
                if (match.Success)
                {
                    var fieldValue = match.Groups[1].Value.Trim(); // 可选：去掉首尾空格
                    MapStringFieldToOrder(fieldName, fieldValue, currentOrder);
                }
            }
            else
            {
                // 处理数值字段
                var match = numericValueRegex.Match(valueSegment);
                if (match.Success && decimal.TryParse(match.Value, out var numericValue))
                {
                    MapNumericFieldToOrder(fieldName, numericValue, currentOrder);
                }
            }

            // 如果是新创建的订单，加入列表
            if (!orders.Contains(currentOrder))
            {
                orders.Add(currentOrder);
            }
        }

        return orders;
    }

    // 字符串字段映射到实体
    private void MapStringFieldToOrder(string fieldName, string fieldValue, Order order)
    {
        switch (fieldName)
        {
            case "SLOCATION":
                order.Location = fieldValue;
                break;
            case "MQUOTE":
                order.QuoteNumber = fieldValue;
                break;
            case "MCPAYDATE":
                // 如果是日期字段，额外做格式转换
                if (DateTime.TryParse(fieldValue, out var payDate))
                {
                    order.PaymentDate = payDate;
                }
                break;
            case "MTAXNO":
                order.TaxNumber = fieldValue;
                break;
            case "MCOUNTY":
                order.County = fieldValue;
                break;
            // 其他字符串字段继续补充
        }
    }

    // 数值字段映射到实体
    private void MapNumericFieldToOrder(string fieldName, decimal fieldValue, Order order)
    {
        switch (fieldName)
        {
            case "TOTALAMOUNT":
                order.TotalAmount = fieldValue;
                break;
            case "TAXAMOUNT":
                order.TaxAmount = fieldValue;
                break;
            // 其他数值字段继续补充
        }
    }

    // 批量导入到SQL数据库
    public void ImportOrdersToDatabase(List<Order> orders)
    {
        using (var dbContext = new AppDbContext()) // 替换成你的DbContext类
        {
            // 批量添加，大数量的话建议分批次提交，避免内存压力
            dbContext.Orders.AddRange(orders);
            dbContext.SaveChanges();
        }
    }
}

• 异常处理：建议在解析和导入过程中加try-catch块，记录错误日志（比如格式异常的行），避免单个错误导致整个导入失败
• 空值处理：对于示例里的" "这种空字符串，根据业务需求决定是转成数据库的NULL还是保留空字符串
• 性能优化：如果订单量很大，不要一次性导入所有数据，分批次（比如每1000条提交一次），避免数据库锁表或者内存溢出
• 测试验证：先拿小批量数据测试解析和导入，核对数据库中的数据是否正确，再处理全量数据

内容的提问来源于stack exchange，提问作者user3545284