Question

我们正在处理包含非封闭双引号条目的行的csv文件。这些炸毁了csv解析器，所以我试图整理一个正则表达式来识别这些行，这样我们就可以在尝试处理它们之前将它们从文件中删除。

在下面的示例中，csv解析器到达第2行并包含第3行中第一个双引号之前的所有内容，然后尝试关闭令牌然后因为“关闭”之后有非空白字符而爆炸在下一个逗号之前加双引号。

示例第1行，一些数据，“好行”，处理得很好，很开心

示例第2行，一些数据，“坏线，处理不良，不快乐

示例第3行，一些数据，“好行”，在此之前死亡，不快乐

我正在尝试做类似的事情：

.*,"[^(",)]*[\r\n]

这个想法是在行结束之前找到一行后面跟着“没有实例”的任何内容。

序列的否定不起作用。怎么样这样呢？

注意：

由于人们一直建议基本上检查偶数双引号，因此值得注意的是，单个双引号csv条目可能包含独立双引号（例如......，“Measurement：1'2”“）。 ..）。

Answer 1

您可以使用：

int count = str.length() - str.replaceAll("\\"","").length();

if (count % 2 == 0) {
    // do what you want
}

Answer 2

根据您当前的要求（包括您对"Measurement: 1' 2""的关注，这将选择错误的行：

^.*(?:^|,)[^",]*"(?:[^",]*(?:"[^",]*")?)+(?:$|,.*)

字符串顶部的^个锚点
.*(?:^|,)会占用字符串顶部的任何字符或逗号
我们匹配“......
并且，[^",]*(?:"[^",]*")?一次或多次匹配既不是“或逗号”的字符，也可以匹配一组均衡的引号："[^",]*"
我们要么匹配字符串的结尾，要么匹配逗号和后面的任何内容

有关转义双引号的说明

您的输入中可能包含带有转义双引号的双引号字符串，如下所示："abc\"de"如果是这样，我们需要将双引号字符串(?:"[^",]*")的表达式替换为更坚实的东西：(?:"(?:\\"|[^"])*")

因此整个正则表达式将成为：

^.*(?:^|,)[^",]*"(?:[^",]*(?:"(?:\\"|[^"])*")?)+(?:$|,.*)

Answer 3

这样的事情应该有效：

^[^"]*("[^"]*"[^"]*)*[^"]*$

您在整个地方看到的[^"]*意味着“任意数量的非引号字符” ("[^"]*"[^"]*)*将匹配成对的引号，而[^"]*将匹配最终引号前后的未加引号的文本。
^和$锚点确保我们匹配整条线，而不仅仅是它的一部分。

基本上：如果有偶数引号，它将匹配。如果有奇数引号，则会失败。

Here's an example正则表达式在行动。

如果你正在使用的解决方案有选项，那么有一个更简单的方法不涉及正则表达式。只需计算CSV行中双引号的数量即可。如果它很奇怪，该行的引号不匹配。

Answer 4

这是一个正则表达式，其他人给了我框架，最终得到了一些修改：

这将匹配任何后跟的内容，“在两者之间有或没有空格，最终没有跟随”，（也有潜在的空格），最后以换行结束。

.*,[\s]*"(?!.*"[\s]*,).*\n

Answer 5

由于很多边缘情况，正则表达式实际上并不能真正可靠地工作。您应该尝试univocity-parsers，因为它是我知道的唯一可以正确处理未转义引号的CSV解析器。

它为您提供以下选项：

STOP_AT_CLOSING_QUOTE-如果在输入中找到未转义的引号，请累积引号字符并继续将值解析为带引号的值，直到找到结束的引号为止。
STOP_AT_DELIMITER-如果在输入中找到未转义的引号，则将该值视为未引用的值。这将使解析器累积所有字符，直到在输入中找到定界符或行尾为止。
SKIP_VALUE-如果在输入中找到未转义的引号，则将解析为的内容，直到找到下一个定界符，一切都会产生null。
RAISE_ERROR-如果在输入中找到未转义的引号，则会引发异常

像这样使用它：

CsvParserSettings settings = new CsvParserSettings();                   
settings.setUnescapedQuoteHandling(UnescapedQuoteHandling.STOP_AT_DELIMITER);

CsvParser parser = new CsvParser(settings);
for(String row[] : parser.iterate(input)){
    System.out.println(Arrays.toString(row));
}

希望有帮助。默认情况下，它以STOP_AT_DELIMITER设置运行。

免责声明：我是这个图书馆的作者。它是开源且免费的（Apache 2.0许可证）

正则表达式在csv中找到缺少的双引号

5 个答案: