Question

我的问题是：

我正在使用一些来自某些软件的csv，问题是这个软件没有很好地处理csv因为csv中有一些字符串引用了它们，包装字符串的内容也是引用所以我解决它的问题。

所以这是正常的csv：

"one","two","three"

以下是我的情况：

"one","tw"o","three"

所以我在解析像"tw"o"这样的字符串时遇到了问题。这基本上是输出文件的软件的问题，我无法编辑该软件。

所以我认为我可以创建一个正则表达式，它将使用不必要的引号或逗号，并确保每个字符串都用引号括起并用逗号分隔，有人知道我该如何实现它？

即时通讯使用tototoshi库进行scala

Answer 1

我尝试了Python csv模块，它能够做到这一点（听起来像黑客但输入文件毕竟是错误的，使用正则表达式也是一种黑客攻击）：

['one', 'two"', 'three']

结果：

print([x.replace('"',"") for x in next(cr)])

出于某种原因，引号已在字符串的末尾移动（在字段中放置双引号的有效方法是将其加倍）。

要删除它，您可以

['one', 'two', 'three']

获取

"one","tw",o","three"

请注意，csv将使用{{1}}发出4个字段，因此如果引号后跟逗号，则无效，只有人工验证才能解决此问题。

Answer 2

可能对您有用的一个非常简单的正则表达式解决方案是：

正则表达式：(?<=\w)"(?=\w) //global flag

替换：'' //blank string

只要我们可以将“坏”双引号视为被字母数字包围的双引号，这将起作用。它只是一个字母数字，双引号和字母数字前瞻的后视图。它与使用反斜杠或其他双引号转义的双引号不匹配，因此""或\"可以。

demo here

Answer 3

看起来您无法预测可能获得未转义报价的价值类型。用正则表达式无法可靠地清理它。

也许尝试univocity-parsers因为它有一个可以正确处理这种输入的CSV解析器。例如：

    //first configure the parser
    CsvParserSettings settings = new CsvParserSettings();

    //override the default unescape quote handling. This seems more appropriate for your case.
    settings.setUnescapedQuoteHandling(UnescapedQuoteHandling.STOP_AT_CLOSING_QUOTE);

    //then create a parser and parse your input line:
    CsvParser parser = new CsvParser(settings);
    List<String[]> results = parser.parseAll(<your input here>);

希望它有所帮助。

免责声明：我是这个图书馆的作者。它是开源和免费的（Apache v2.0许可证）

正则表达式清理csv混乱的字符

3 个答案: