Question

我有一个csv文件，该文件被读取为字符串，并且需要通过换行符分隔该字符串，并保留带引号的句段。使用引号的原因是因为文件的某些字段中包含换行符。

基本上，我有一个像这样的文件（我使用|表示分隔符）：

这是|一个|线

这是|也行| “但是这个字段有

换行符”

这是|另一个线

我知道我可以在.split()函数中使用正则表达式，但是遇到了麻烦。有人可以帮忙吗？

Answer 1

作为最简单的解决方案，我们可以首先标记（用一些标识符替换）line breaks 我们不想拆分成的位置。

然后在所有其他换行符处进行拆分，并最终将保留的换行符标识符替换为line breaks again（\ n）.

arr = str.replace(/("[\s\S]*?")/g, (m, cg) => {
        return cg.replace(/\n/g, "LINE-BREAK-TO-PRESERVE");
      })
      .split('\n')
      .filter(i => Boolean(i.trim()))
      .map(i => i.replace(/LINE-BREAK-TO-PRESERVE/g, '\n'));

以上代码应能轻松满足您的目的：）

Answer 2

老实说，这是一个非常简单的问题，即使正则表达式也显得过于矫kill过正。我只需要遍历字符串，每当您发现换行符并且不在引号内时，请将到目前为止找到的子字符串推入数组即可：

var arr = []
var inQuote = false;
var str = `This is | a | line
This is | a line too | "but this field has
a line break"
This is | another | line`
for (var pos = 0; pos < str.length; pos++) {
    if (str.charAt(pos) == "\n" && !inQuote) {
        arr.push(str.slice(0, pos));
        str = str.slice(pos + 1);
        pos = 0;
    } else if (str.charAt(pos) == '"') {
        inQuote = !inQuote;
        // if you want to get rid of the quotes:
        str = str.slice(0, pos) + str.slice(pos + 1)
        pos--
    }
}
arr.push(str)
console.log(arr)

Answer 3

尝试一下；

("[^"\n]*)\r?\n(?!(([^"]*"){2})*[^"]*$)

演示： https://regex101.com/r/wL9sQ4/82

Answer 4

在另一个答案中，使用循环可能会更好，因为即使知道分隔符，也很难检查引号是否在数据中间（作为文字）或引号是否充当报价。

也就是说，此正则表达式应满足特定情况的要求：

/(?<!\|\s+"[\w\s]+)\n/

console.log(
`This is | a | line
This is | a line too | "but this field has
a line break"
This is | another | line`.split(/(?<!\|\s+"[\w\s]+)\n/)
)

?<!是负向后看的，这意味着仅当括号中的部分不匹配时，才会匹配不在括号中的部分（\n）。

括号中的部分是分隔符（|），后跟一个以上的空格\s+，后跟引号"，然后是单词和空格的混合。 / p>

希望这会有所帮助。可以根据需要将\s+更改为\s*，也可以将[\w\s]+更改为[^"]*。

Demo

按换行符分隔字符串，并保留带引号的句段

4 个答案: