Как написать регулярное выражение для текста?

Question

[Макс Максимов]

Здравствуйте.

Опыта в регулярных выражениях не имею, поэтому следующий вопрос:
есть огромная база, состоящая из записей определенного формата (Дата | Кредит-Дебит | Описание). Мне надо вытащить все эти три данные. И в процессе этого сразу определить, что является Кредитом или Дебитом: Кредит расположен по середине, дебит — справа.

Пример исходника: pastebin.com/vL3GZqsN

Comments

[OVK2015]

На строки это мало похоже. Из БД вытаскиваете чем/в каком виде?

[Макс Максимов]

OVK2015: Да, Вы правы, некорректно выразился. Нет, к сожалению; таких данных >60к и лежат они в Word-документе.

[OVK2015]

Макс Максимов: Пример одной строки, ради интереса, приведите.
"^(.*?)\|(.*?)\|(.*?)$" - в общем виде

[Макс Максимов]

OVK2015: pastebin.com/i1ABcRzW — первая запись из того документа. Ваше предложенное решение онлайн прогнал, не сработало :(

[OVK2015]

Макс Максимов: Регулярки имеют один скверный момент,- делаются под конкретную задачу. Соответственно: пока не определитесь с разбиением исходного текста на отдельные строки/записи(какие символы будут ограничителями для полей/записей),- что либо дальше делать смысла нет

[Ivanq]

За один раз сделать не получится, на каком языке нужно писать?

[Макс Максимов]

OVK2015: Не совсем понял, что Вы сказали. Вроде я написал что к чему и что следует считать 1 единицей данных. Спасибо все равно :)

[Макс Максимов]

Ivanq: Мне предпочтителен C#, но задача вроде не зависит от языка, нет?

[OVK2015]

Макс Максимов: Если комментарий не нужен можно вот так:
$regExpWrepper = "#([\d\.]+)\|([\d\.\s,]+)\|#si"; - это php. В 1-ой группе дата, во 2-ой уже смотрите,- есть пробелы перед цифрами или нет
Нужно для шарпа ключи соответствующие найти.

Answer 1

[xmoonlight]

/(.*)\|[\s\t]+[\s\t]+([0-9.,-]+(([\t\s]+)|))\|(.*)/gu

https://regex101.com/r/xG8mU5/3
По группам вхождений:
1-е: ДАТА
2-е: СУММА
3-е: проверяйте: непустой - значит КРЕДИТ, иначе - ДЕБИТ.
4-е: ОПИСАНИЕ

Answer 2

[Владимир Куц]

Ну дык а чем парсить-то будете? У вас строка чудесно бъется по символу '| на три элемента' хоть той же регуляркой "^(.*?)\|(.*?)\|(.*?)$".
Если в среднем элементе справа пробелов нет - то это дебит, если есть - кредит. Можно по последнему символу проверять...