Question

我有一组JSONish的字符串，但完全不符合JSON。它也是一种CSV，但值本身有时会有逗号。

字符串看起来像这样：

ATTRIBUTE：此属性的值，ATTRIBUTE2：另一个值，但是这个值中有一个逗号，ATTRIBUTE3：，另一个值......

我能看到的唯一两种模式主要是属性名称是大写字母，后跟一个：和空格。在第一个属性之后，模式是name-in-caps：space。

数据存储在Redshift中，所以我会看看是否可以使用正则表达式解决这个问题，但我的正则表达式知识是有限的 - 我会从哪里开始？

如果没有，我将采用python黑客攻击。

Answer 1

您所描述的内容将是：

^([A-Z\d]+?): (.*?), ([A-Z\d]+?): (.*?), ([A-Z\d]+?): (.*)$

虽然这个答案意味着你的第三个属性值并不真正以逗号开头，并且你的属性名称可以计算数字。

如果我们采用这个方法：

[A-Z\d]大写字母和数字
+?:尽可能多，直到第一个:
(.*?),一个空间，然后需要多个字符，直到昏迷和空间
^和$字符串的开头和结尾分别为

其余的是重复这种模式。

( )只是为了识别您的捕获部分，在这种情况下，它们不会直接影响匹配。

Here's a working example

Answer 2

正常情况下，正则表达式通常不适合使用。

阅读这篇深思熟虑的帖子了解详情：https://softwareengineering.stackexchange.com/questions/223634/what-is-meant-by-now-you-have-two-problems

当一个更简单的方案可以使用时，请使用它！这里有一个方案可以成功地解析结构，只要冒号只出现在属性和值之间，而不是在它们之间：

<强>代码

static void Main(string[] args)
{
    string data = "ATTRIBUTE: Value of this attribute,ATTRIBUTE2: Another value, but this one has a comma in it,ATTRIBUTE3:, another value,value1,ATTRIBUTE4:end of file";


    Console.WriteLine();
    Console.WriteLine("As an String");
    Console.WriteLine();

    Console.WriteLine(data);

    string[] arr = data.Split(new[] { ":" }, StringSplitOptions.None);

    Dictionary<string, string> attributeNameToValue = new Dictionary<string, string>();

    Console.WriteLine();
    Console.WriteLine("As an Array Split on ':'");
    Console.WriteLine();

    Console.WriteLine("{\"" + String.Join("\",\"", arr) + "\"}");

    string currentAttribute = null;
    string currentValue = null;

    for (int i = 0; i < arr.Length; i++)
    {
        if (i == 0)
        {
            // The first element only has the first attribute name
            currentAttribute = arr[i].Trim();
        }
        else if (i == arr.Length - 1)
        {
            // The last element only has the final value
            attributeNameToValue[currentAttribute] = arr[i].Trim();
        }
        else
        {
            int indexOfLastComma = arr[i].LastIndexOf(",");
            currentValue = arr[i].Substring(0, indexOfLastComma).Trim();
            string nextAttribute = arr[i].Substring(indexOfLastComma + 1).Trim();

            attributeNameToValue[currentAttribute] = currentValue;

            currentAttribute = nextAttribute;
        }
    }

    Console.WriteLine();
    Console.WriteLine("As a Dictionary");
    Console.WriteLine();

    foreach (string key in attributeNameToValue.Keys)
    {
        Console.WriteLine(key + " : " + attributeNameToValue[key]);
    }
}

<强>输出：

作为字符串

ATTRIBUTE：此属性的值，ATTRIBUTE2：另一个值，但是这个值中有一个逗号，ATTRIBUTE3：，另一个值，value1，ATTRIBUTE4：文件结尾

作为'：'
上的数组分割
{“ATTRIBUTE”，“此属性的值，ATTRIBUTE2”，“另一个值，但此处有一个逗号，ATTRIBUTE3”，“，另一个值，value1，ATTRIBUTE4”，“文件结尾”} < / p>
作为词典

ATTRIBUTE：此属性的值

ATTRIBUTE2：另一个值，但是这个值中有一个逗号

ATTRIBUTE3：，另一个值，value1

ATTRIBUTE4：文件结尾

解析一种JSON的字符串

2 个答案: