Question

在Ruby 2.1.3中，我有一个表示标题的字符串，例如以制表符分隔的csv文件格式：

string = "helloworld\r\n14522\tAB-12-00420\t\"PROTOCOL \r\nRisk Effectiveness \r\nand Device Effectiveness In \r\Ebola Candidates \"\tData Collection only\t\t20\t"

我想在以协议开头的制表符分隔部分中删除“\ r \ n”，这样我就可以读完一个完整的标题为“在埃博拉候选人中的协议风险有效性和设备效率”....我想要最终结果是：

"helloworld\r\n14522\tAB-12-00420\t\"PROTOCOL Risk Effectiveness and Device Effectiveness In Heart Failure Candidates \"\tData Collection only\t\t20\t"

如果我不这样做，尝试通过CSV读取它会截断标题，所以我最终只读“PROTOCOL”而不是标题的其余部分。

请记住，我想在标题中删除一些不确定数量的\ r \ n字符（我将通过不同的标题进行解析）。我该如何做到这一点？我在想一个正则表达式可能就是这样......

Answer 1

不幸的是我不知道ruby，我要提供的解决方案不是很好，但是这里有：

由于ruby的regex实现不支持动态宽度lookbehinds，我无法想出一个匹配你要删除的\r\n的模式。但是你可以替换这个正则表达式模式的所有匹配

(\t"?PROTOCOL[^\t]*)[\r\n]+

\1（已与第1组匹配的文字），直到模式不再匹配。只有一个替换不会删除\r\n的所有出现。 See demo.

我希望你能找到更好的解决方案。

Answer 2

由于换行符（在引号之外）被视为分隔符，因此您可以使用此正则表达式来隔离引用的字段，然后替换任何\r?\n只在那个领域内。

然后，您可以将字符串传递给CSV模块。

共有3组组成整场比赛 1.分隔符
2.双引号字段
3非引用字段

需要使用replace-with-callback函数实现在回调中，如果组2不为空，则单独替换所有CRLF Catenate goup 1 +替换（group2）+ group 3，然后返回catenation。

 # ((?:^|\t|\r?\n)[^\S\r\n]*)(?:("[^"\\]*(?:\\[\S\s][^"\\]*)*"(?:[^\S\r\n]*(?=$|\t|\r?\n)))|([^\t\r\n]*(?:[^\S\r\n]*(?=$|\t|\r?\n))))

 (                             # (1 start), Delimiter tab or newline
      (?: ^ | \t | \r? \n )
      [^\S\r\n]*                    # leading optional whitespaces
 )                             # (1 end)
 (?:
      (                             # (2 start), Quoted string field
           "
           [^"\\]* 
           (?: \\ [\S\s] [^"\\]* )*
           "
           (?:
                [^\S\r\n]*                    # trailing optional whitespaces
                (?= $ | \t | \r? \n )         # Delimiter ahead, tab or newline
           )
      )                             # (2 end)
   |                              # OR
      (                             # (3 start), Non quoted field
           [^\t\r\n]* 
           (?:
                [^\S\r\n]*                    # trailing optional whitespaces 
                (?= $ | \t | \r? \n )         # Delimiter ahead, tab or newline
           )
      )                             # (3 end)
 )

当行也由\ r \ n分隔时，如何在两个选项卡之间的带引号的字符串之间删除\ r \ n？

2 个答案: