解析数据不一致

Question

这里的数据的应该是什么样子：

Some junk data 
More junk data 

1. fairly long key, all on one line 
value: some other text with spaces and stuff 

2. hey look! another long key. still on one line 
value: a different value with some different information 

有这几条每个文件，一般二三十个。键值对的总数超过20,000，这意味着手动更正每个文件是不可选的。预设每个键的数字应该正确增加。应该有一个值和下一个键之间的换行符。每个值都应以字符串“value”开头：

现在，我逐行排序并将每行分类为键，值或垃圾。然后我从密钥中解析数字，并将数字，密钥和值存储在一个对象中。

数据格式不正确时出现问题。以下是我迄今遇到的几个问题：

• 键和值之间没有换行符。
• 在键或值中间出现意外的换行符，导致程序将每个键或值的一部分视为垃圾数据。
• 单词“价值”被拼写错误。

我通过计算每行的前六个字符与主字符串“value：”之间的Levenstein距离来处理第三种情况。我如何解决其他两个问题？

如果有问题，解析发生在node.js服务器上，但如果他们可以更轻松地处理这些不一致的数据，我可以接受其他语言。

Answer 1

看看这个：

正则表达式：^(\d+)\. ?(.+?)(?:value|vlaue|balue|valie): ?(.+?)[\n\r]{2,} 解释演示在这里：http://regex101.com/r/gG0wH8

如果您在“拼写错误值”的问题固定的，你可以把它简化为：
^(\d+)\. ?(.+?)value: ?(.+?)[\n\r]{2,}否则添加尽可能多的该RegEx部分中的|拼写错误。

对于这个工作，我迷上了：

• 行必须以数字（S）和一个可选的空间点
• key是id后一切，之前value
• value在至少2个换行符后结束

您还应该删除正确的条目，然后重新审查该文件检查是否还有其他东西丢失。