Como quebrar a linha em palavras conhecidas

Question

Eu preciso quebrar uma linha de string em colunas diferentes no Excel. Aqui é a entrada do te que eu recebo.

entrada :

• 37006 II semestre p.g. Diploma em Pesquisa Clínica e Exame de Gestão de Dados Clínicos, Julho / Agosto 2012 Horário de Assuntos Reguladores Pharma: 3 horas Máx. Marcas: 100

Saída : registro CSV com estrutura (código, sem / ano, assunto, curso, data do exame, hora, marcas)

• 37006, II semestre, p.g. Diploma em pesquisa clínica e gestão de dados clínicos, assuntos regulatórios farmacêuticos, julho / agosto de 2012, 3 horas, 100

Eu tenho dados em diferentes conjuntos que constrói as linhas acima. Por exemplo:

gramática (este é um array / dicionário):

• semestres [I, II, III, IV, V, VI, VII, VIII, IX, X, 1,2,3,4,5,6,7,8,9]
• anos [I, II, III, III, V, VI, VII, VIII, IX, X, 1,2,3,4,5,6,7,8,9,10]
• assuntos [p.g. Diploma em pesquisa clínica e gerenciamento de dados clínicos, ll.b]
• cursos [assuntos de regulamentação farmacêuticos, lei - jurisprudência]
• Examdates [Julho / Agosto de 2012, Jan./FEB. 2013]
• tempo [3 horas]
• Maxmarks [30,40,50,60,70,70,80,90,100]

fyi,

• Não tenho certeza de que posso usar qualquer delimitador para quebrá-lo como é altamente imprevisível ou confiável.
• Eu não tenho certeza que o texto estará no mesmo pedido em cada linha ou nenhum comprimento fixo ou carros ou palavras

Minha suposição é, leia a palavra por palavra e tente combinar com qualquer palavra em qualquer matriz que eu tenha. Se sua correspondência com qualquer palavra, categorize essa palavra em queda de categoria e adicione em coluna relevante no Excel.

Aqui, eu sei como lidar com dados e tudo, exceto qual é a maneira otimizada / melhor para entender cada palavra cai sob qual categoria.

Existe algum especialista de análise lexical que possa compartilhar alguns pensamentos sobre isso?

Answer 1

Você deve usar expressões regulares para corresponder a um padrão de texto complicado.

Answer 2

Por favor, dê uma olhada em um analisador lexical como antlr .Se você conhece Java ou outras línguas que lêem expressões regulares , você será capaz de analisar com facilidade após uma tarde (ou semana) de tortura.Você também pode escrever o regexp em Java, mas eu me empurraria para a interface antlu, que você pode usar do Eclipse.Ele mostrará como as linhas estão sendo analisadas.

Ter a saída do antlu ou java escreva um arquivo CSV.O CSV receberá seu veículo para obter seus dados na planilha do Excel.