Question

此时我无法控制生成此文件的源系统。

我有一个使用双引号作为文本限定符的csv文件。在合格的文本字段中，我有时会有双引号，表示英寸等。如下所示：

something not qualified,"12" x 12" something qualified, becuase it has a comma",this one is not qualified and needs no fixing a 12" x 12"

这些应该使用以下两组引号进行转义：

something not qualified,"12"" x 12"" something qualified, becuase it has a comma",this one is not qualified and needs no fixing a 12" x 12"

我正在尝试使用c＃和regex编写一些清理代码。我可以编写代码来选择,"和",之间的所有内容，但我无法弄清楚如何在这些分隔符中获取双引号。

我可以拥有没有限定符（没有逗号）的字段，这些字段可以有一个双引号而且不需要修复。

以下是regexr https://regexr.com/3pq51

中的内容

((?<=,").*(?=",))

Answer 1

这是一个非常令人讨厌的问题，我实际上并不确定它很容易解决（甚至可能在100％的时间内解决），并且与魔法接壤。

唯一的好处是它只适用于英寸（所以你声明），你知道有多少个字段。

然而，似乎有太多Degrees of Freedom并且总会给出误报。即你所拥有的只是一个格式错误的 CSV ，存在以下基本问题： -

您无法可靠地确定没有引号的字段位置
如果没有字段，您无法可靠地确定引号的位置。

也许某人有一种启发式方法，但我猜测任何可靠的解决方案都需要返回“我不确定”＃34;导致某些情况...

总之，正则表达式无法为您解决此问题。

无论如何，祝你好运，也许最好从另一端攻击这个。

Answer 2

您输入的字符串很乱，而且可能无法提出防水解决方案。你可以尝试的一件事是捕捉," ... ",之间的所有内容：

[^,]+|,"(.*?)",

如果您的限定字符串中有另一个",，这显然会中断。

Demo

示例代码：

using System;
using System.Text.RegularExpressions;
public class Program
{
    public static void Main()
    {

        string pattern = @"[^,]+|,""(.*?)"",";
        string input = @"something not qualified,""12"" x 12"" something qualified, becuase it has a comma"",this one is not qualified and needs no fixing a 12"" x 12""";
        RegexOptions options = RegexOptions.Multiline;

        foreach (Match m in Regex.Matches(input, pattern, options))
        {
            if(m.Groups[1].Success)
                Console.WriteLine("'{0}'", m.Groups[1].Value);
            else
                Console.WriteLine("'{0}'", m.Value);
        }
    }
}

输出：

something not qualified
12" x 12" something qualified, becuase it has a comma
this one is not qualified and needs no fixing a 12" x 12"

Answer 3

如果分隔字符串,"和",永远不会在带引号的字符串中发生，您可以使用无限的lookbehind或\G来查找此边界。由于\G - 方法更适合并且更快找到匹配或失败，我会继续使用它：

((?:\A|,)"|\G(?!\A))([^"]*)(")(?!,|\Z)

Regex live demo

C＃代码（参见现场演示here）：

str = Regex.Replace(str, @"((?:\A|,)""|\G(?!\A))([^""]*)("")(?!,|\Z)", @"$1$2$3$3");

正则表达式细分：

(开始捕获第一组
- (?:\A|,)"匹配"
- |或
- \G(?!\A)匹配上一场比赛结束的地方
)结束捕获第一组
([^"]*)捕捉除"
(")抓取"
(?!,|\Z)不应该使用逗号或输入字符串结尾

Answer 4

谢谢大家的帮助。它帮助我看到我需要采取分阶段的方法。

首先，我得到了所有内容，“和”，。然后我找到了它们出现的模式中有单引号的模式，并用2个双引号和空格替换。为了以防万一，我每次都这样做。

string matchPattern = "((?<=,\").*?(?=\",))";
string input = "something not qualified,\"12\" x 12\" something qualified, becuase it has a comma\",this one is not qualified and needs no fixing a 12\" x 12\",\"8\" X 8\" sign, plain\",one more";
var newLine = input;

Regex regx = new Regex(matchPattern);
Regex regxReplace = new Regex(@"(?<=\w)""[^\w|\""]");
var matches = regx.Matches(input);

foreach (Match matchingString in matches)
{        

    var value = matchingString.Value;
    if (regxReplace.IsMatch(value))
    {
        changed = true;
        var newReplacementString = regxReplace.Replace(value, "\"\" ");
        newLine = newLine.Replace(matchingString.Value, newReplacementString);
    }
}

return newLine;

正则表达式 - 修复CSV - 引用文本限定符

4 个答案: