Question

我不能成为第一个遇到此问题的人，但是经过数小时的搜索，Stack并没有找到答案。我有一个在csv文件目录下工作的SSIS脚本。该脚本折叠，弯曲和切割这些文件。执行查询，数据清理，保留一些数据，最后将一小集输出到另一个系统提取的csv文件。

其中一个文件的自由文本字段包含值：“ 20,000 BONUS POINTS”。这个字段（包含10k行的文件）是数十个类似文件中的一个，这是我似乎无法解决的问题。

请注意：我在C＃和Regex方面都很弱。

csv样本集：

4121,6383,0,,,TRUE
4122,6384,0,"20,000 BONUS POINTS",,TRUE
4123,6385,,,,
4124,6386,0,,,TRUE
4125,6387,0,,,TRUE
4126,6388,0,,,TRUE
4127,6389,0,,,TRUE
4128,6390,0,,,TRUE

我发现了大量有关如何使用各种Regex模式进行解析的信息，但我注意到的是StreamReader.ReadLine（）方法用双引号将完整的行括起来：

"4121,6383,0,,,TRUE"

这样的正则表达式Replace方法的输出：

s = Regex.Replace(line, @"[^\""]([^\""])*[^\""]",
m => m.Value.Replace(",", ""));

看起来像这样：

412163830TRUE

和实际上包含双引号分隔的字符串的目标行最终看起来像：

“ 412263840 \” 20000奖励积分\“ TRUE”

（为了您的阅读乐趣）我的整个方法是：

        string fileDirectory = "C:\\tmp\\Unzip\\";
        string fullPath = "C:\\tmp\\Unzip\\test.csv";
        string line = "";
        //int count=0;
        List<string> list = new List<string>();

            try
        {
            //MessageBox.Show("inside Try Block");
            string s = null;
            StreamReader infile = new StreamReader(fullPath);
            StreamWriter outfile = new StreamWriter(Path.Combine(fileDirectory, "output.csv"));
            while ((line = infile.ReadLine()) != null)
            {
                //line.Substring(0,1).Substring(line.Length-1, 1);
                System.Console.WriteLine(line);
                Console.WriteLine(line);
                line = 
                s = Regex.Replace(line, @"[^\""]([^\""])*[^\""]",
                                        m => m.Value.Replace(",", ""));
                System.Console.WriteLine(s);
                list.Add(s);

            }
            foreach (string item in list)
            {
                outfile.WriteLine(item);
            };
            infile.Close();
            outfile.Close();
            //System.Console.WriteLine("There were {0} lines.", count);
        }

        catch (Exception e)
        {

            Console.WriteLine(e.Message);
        }

        //another addition for TFS consumption

    }

感谢阅读，如果您有有用的答案，请祝福您和您的神童后代！

mfc

编辑：要求是有效的csv文件输出。对于测试数据，它看起来像这样：     4121,6383,0 ,,, TRUE
    4122,6384,0，“ 20000 BONUS POINTS” ,, TRUE
    4123,6385 ,,,,
    4124,6386,0 ,,, TRUE
    4125,6387,0 ,,, TRUE
    4126,6388,0 ,,, TRUE
    4127,6389,0 ,,, TRUE
    4128,6390,0 ,,, TRUE

Answer 1

我建议像其他人建议的那样使用CSV阅读器库。

reloadData()

https://github.com/phatcher/CsvReader#getting-started

但是，如果您只想尝试快速又肮脏的事情。试试看。

如果我理解正确。您需要删除CSV文件每一行中双引号之间的逗号。这应该做到这一点。

Install-Package LumenWorksCsvReader

输出

using System;
using System.Collections.Generic;
using System.Text;
using System.Text.RegularExpressions;

public class Program
{
    public static void Main()
    {
        string pattern = @"([""'])(?:(?=(\\?))\2.)*?\1";
        List<string> lines = new List<string>(); 
        lines.Add("4121,6383,0,,,TRUE");
        lines.Add("4122,6384,0,\"20,000 BONUS POINTS\",,TRUE");
        lines.Add("4123,6385,,,,");
        lines.Add("4124,6386,0,,,TRUE");
        lines.Add("4125,6387,0,,,TRUE");
        lines.Add("4126,6388,0,,,TRUE");
        lines.Add("4127,6389,0,,,TRUE");
        lines.Add("4128,6390,0,,,TRUE");

        StringBuilder sb = new StringBuilder();
        foreach (var line in lines)
        {
            sb.Append(Regex.Replace(line, pattern, m => m.Value.Replace(",", ""))+"\n");
        }           
        Console.WriteLine(sb.ToString());
    }
}

https://dotnetfiddle.net/flmWG3

Answer 2

我没有尝试过很多行，但这是我的第一种方法：

namespace ConsoleTestApplication
{
    class Program
    {
        static void Main(string[] args)
        {
            var before = "4122,6384,0,\"20,000 BONUS POINTS\",,TRUE";
            var pattern = @"""[^""]*""";
            var after = Regex.Replace(before, pattern, match => match.Value.Replace(",", ""));
            Console.WriteLine(after);
        }
    }
}

C＃正则表达式模式可删除双引号分隔字符串内的逗号

2 个答案: