正则表达式，用于在分隔符之间查找两次以上的字符

Question

我有一组大型数据文件需要批量加载到数据库中。数据线是管道分隔但也使用引号逗号＆＃34;描述文本条目。问题是许多文本块还包括一个或多个附加的＆＃34;除了字段开头/结尾处的字符之外的字符，这会破坏导入。

我正在寻找一个正则表达式，它允许我在文件中找到包含两个以上的行＆＃34;每组||之间的字符分隔符。

例如

123 |＆＃34;史密斯先生＆＃34; | 456 |＆＃34;没有额外的引号，此行很好＆＃34; | 789

123 |＆＃34;琼斯先生＆＃34; | 456 |＆＃34;这个有＆＃34;额外的引号＆＃34;，不太好＆＃34; | 789

123 |＆＃34;琼斯先生＆＃34; | 456 |＆＃34;甚至还有一个＆＃34;是一个问题＆＃34; | 789

我需要找到类似上面第二个和第三个的行。

任何帮助表示赞赏！

由于

Answer 1

可以通过将输出管道输出到awk来完成，如下所示。假设输入中的管道确实出现在每行的开头和结尾。

| awk -F'|' 'BEGIN{OFS="|";}{ \
  for (i = 1; i <= NF; i++) { \
    if (gsub(/"/, "\"", $i) > 2) { \
      print; break; \
    }; \
  }; \
}'