Question

我正在做一些分隔文件处理。我需要做的第一件事是获得所有＆＃34;线＆＃34;。获取每一行后，我可以根据指定的分隔符进行拆分。因此，为了得到我需要使用各种线路指定（\ r \ n，\ r，\ n）分割字符串的行。以下是工作，直到我在双引号中遇到换行符：

return content.Split(new string[] { "\r\n", "\r", "\n" }, StringSplitOptions.None);

因此，如果您考虑以下文本（我的原始文本使用双引号转义双引号，使用\＆＃34;而不是＆＃34;＆＃34;），其中每一行由其中一个行指定分隔，并且该行中的每个字段/列由管道＆＃34; |＆＃34;分隔。字符：

string s = "row1 col1|\"row1 \"\"col2a\"\"\r\nrow1 col2b\"|row1 col3\nrow2 col1|\"row2 \"\"col2a\"\"\rrow2 \"\"col2b\"\"\"|row2 col3\r\nrow3 col1|\"row3 col2a\nrow3 col2b\"|row3 col3";

等于以下字符串：

row1 col1 |＆＃34; row1＆＃34;＆＃34; col2a＆＃34;＆＃34; {CRLF} row1＆＃34;＆＃34; col2b＆＃34;＆＃34;＆＃34 ; | row1 col3 {CRLF} row2 col1 |＆＃34; row2＆＃34;＆＃34; col2a＆＃34;＆＃34; {CRLF} row2＆＃34;＆＃34; col2b＆＃34;＆＃34 ;＆＃34; | row2 col3 {CRLF} row3 col1 |＆＃34; row3 col2a {CRLF} row3 col2b＆＃34; | row3 col3

使用我的原始方法拆分上述内容会产生5行：

string[] result = s.Split(new string[] { "\r\n", "\r", "\n" }, StringSplitOptions.None);

但我想使用行分隔符（\ r \ n，\ r，\ n）分割上面的内容以产生3行：

result[0] == "row1 col1|\"row1 \"\"col2a\"\"\r\nrow1 col2b\"|row1 col3"
result[1] == "row2 col1|\"row2 \"\"col2a\"\"\rrow2 \"\"col2b\"\"\"|row2 col3"
result[2] == "row3 col1|\"row3 col2a\nrow3 col2b\"|row3 col3"

有没有人有幸运行正则表达式分割线（除了引号外）？

这是我最终得到的结果，感谢Alan：

public string[] GetLines (string fileContent) {
    Regex regex = new Regex(@"^([^""\r\n]*(?:(?:""[^""]*"")*[^""\r\n]*))", RegexOptions.Multiline);
    MatchCollection matchCollection = regex.Matches(fileContent);
    string[] result = new string[matchCollection.Count];
    for (int i = 0; i < matchCollection.Count; i++) {
        Match match = matchCollection[i];
        result[i] = match.Value;
    }
    return result;
}

Answer 1

我会使用Matches()代替Split()：

Regex r = new Regex(@"(?m)^[^""\r\n]*(?:(?:""[^""]*"")+[^""\r\n]*)*");
MatchCollection m = r.Matches(s);

内部部分(?:(?:"[^"]*")+匹配可能包含转义引号的双引号字符串。整个正则表达式匹配可能包含一个或多个双引号字符串的行。请注意，内部字符类（[^"]）可以匹配\r和\n，其中外部字符类（[^"\r\n]）明确排除它们。行起始锚点（多行模式中的^）可防止实际匹配之间的虚假空匹配。

这是一个demo。（它在PCRE中，但我也在.NET中测试过它。）

Answer 2

您可以尝试以下正则表达式：

var fieldSeparator = "|";
var strRx = $@"""[^""\r\n]*""{fieldSeparator}[^|]+(?:\s*)";

var rx = new Regex(strRx);
var data = "row1 col1|\"row1 \\\"col2a\\\"\r\nrow1 \\\"col2b\\\"\"|row1 col3\nrow2 col1|\"row2 col2a\rrow2 col2b\"";

var m = rx.Match(data);

while (m.Success)
{
    Console.WriteLine(m.Value);
    m = m.NextMatch();
}

只需将fieldSeparator值替换为您要使用的字段分隔符。

上面的代码片段产生以下输出：

row1 col1
"row1 \"
col2a\"
row1 \"col2b\""
row1 col3
row2 col1
row2 col2b"

正则表达式使用换行符分割字符串（除非它在双引号之间）

2 个答案: