Question

好吧，我放弃了时间来请求正则表达式大师们寻求帮助。

我正在尝试验证CSV文件内容，只是为了查看它是否与预期的有效CSV数据一样。我不是要验证所有可能的CSV表单，只是它“看起来像”CSV数据，而不是二进制数据，代码文件或其他任何内容。

每行数据都包含以逗号分隔的单词，每个单词包含a-z，0-9和少量标点字符，即-和_。文件中可能有几行。而已。

这是我的简单代码：

const string dataWord = @"[a-z0-9_\-]+";
const string dataLine = "("+dataWord+@"\s*,\s*)*"+dataWord;
const string csvDataFormat = "("+dataLine+") |  (("+dataLine+@"\r\n)*"+dataLine +")";

Regex validCSVDataPattern = new Regex(csvDataFormat, RegexOptions.IgnoreCase);
protected override bool IsCorrectDataFormat(string fileContents)
{
    return validCSVDataPattern.IsMatch(fileContents);
}

这给了我一个正则表达式

(([a-z0-9_\-]+\s*,\s*)*[a-z0-9_\-]+) |  ((([a-z0-9_\-]+\s*,\s*)*[a-z0-9_\-]+\r\n)*([a-z0-9_\-]+\s*,\s*)*[a-z0-9_\-]+)

但是，如果我用一块C＃代码来表示它，那么正则表达式解析器就说它是匹配的。那个怎么样？ C＃代码看起来与我的CSV模式不同（它有_和-以外的标点符号作为开头）。

有人能指出我明显的错误吗？让我再说一遍 - 我不是要验证所有可能的CSV表单，只是我的简单子集。

Answer 1

您的正则表达式缺少^（行首）和$（行尾）锚点。这意味着它将匹配包含的任何文本表达式所描述的内容，即使文本包含其他完全不相关的部分。

例如，此文本与表达式匹配：

foo, bar

因此本文也匹配：

var result = calculate(foo, bar);

你可以看到它的发展方向。

在开头添加^，在$结尾添加csvDataFormat以获得您期望的行为。

Answer 2

以下是一个更好的模式，可以查找每个行中一对多的CSV组，例如XXX,或yyy：

^([\w\s_\-]*,?)+$

^ - 每行开头

( - CSV匹配组开始

[\w\s_\-]* - 每个CSV中的有效字符\w (a-zA-Z0-9)和_以及-

,? - 也许是逗号

)+ - csv匹配组的结尾，预期会有1到多个。

这将为基本CSV结构逐行验证整个文件，并允许空,,个情况。

Answer 3

我想出了这个正则表达式：

^([a-z0-9_\-]+)(\s*)(,\s*[a-z0-9_\-]+)*$

测试

asbc_- ,   khkhkjh,    lkjlkjlkj_-,     j : PASS
asbc,                                     : FAIL
asbc_-,khkhkjh,lkjlkjlk909j_-,j           : PASS

如果您想匹配,,,之类的空行，或者某些值为空,abcd,,，请使用

^([a-z0-9_\-]*)(\s*)(,\s*[a-z0-9_\-]*)*$

遍历所有行以查看文件是否正常：

const string dataLine = "^([a-z0-9_\-]+)(\s*)(,\s*[a-z0-9_\-]+)*$";
Regex validCSVDataPattern = new Regex(csvDataFormat, RegexOptions.IgnoreCase);
protected override bool IsCorrectDataFormat(string fileContents)
{
    string[] lines = fileContents.Split(new string[] { "\r\n", "\n" }, StringSplitOptions.None);

    foreach (var line in lines)
    {
        if (!validCSVDataPattern.IsMatch(line))
        return false;
    }

    return true;
}

Answer 4

我认为这就是你要找的东西：

@"(?in)^[a-z0-9_-]+( *, *[a-z0-9_-]+)*([\r\n]+[a-z0-9_-]+( *, *[a-z0-9_-]+)*)*$"

值得注意的变化是：

添加了锚点^和$，因为没有它们的正则表达式毫无意义
删除了空格（必须与文字空格相匹配，我认为这不是你想要的）
在每个\s出现的\s*替换为文字空格（因为\s可以匹配任何空格字符，并且您只想匹配这些点中的实际空格）

你的正则表达式的基本结构看起来非常好，直到|出现并且搞砸了。 ;）

p.s。，如果您想知道，(?in)是一个设置IgnoreCase和ExplicitCapture模式的内联修饰符。

正则表达式没有给我预期的结果

4 个答案: