Question

我有一个基本上包含以下行的CSV：

06444|WidgetAdapter 6444|Description:

Here is a description.
Maybe some more.
|0

第三个字段中的文字总是不同且不同，我试图仅用<br>替换其中的所有换行符，因此它最终为

06444|WidgetAdapter 6444|Description: <br>Here is a description.<br>Maybe some more.<br>|0

编辑：

我基本上需要摆脱所有的换行符，所以每一行都是正确的VALUE | VALUE | VALUE | VALUE。标准化/美化/清洁它。

我的所有工具都无法正确导入，phpMyAdmin chokes等。字段内有换行符，有双重引号未转义等等。

其他字段示例：

08681|Book 08681|"Testimonial" - Person

You should buy this.|

另一个字段的示例：

39338|Itemizer||

Answer 1

如果您知道有4列，则可以轻松解析数据。例如，这是一个PHP行，它产生一个包含所有数据的数组。数组中的每一行都是另一个包含所有捕获组的数组：[0]包含完整匹配，[1] - [4]包含每列：

$pattern = '/^([^|]*)\|([^|]*)\|([^|]*)\|([^|]*)$/m';
preg_match_all($pattern, $data, $matches, PREG_SET_ORDER);

模式非常简单：它需要4个值（不是管道符号），由3个管道分隔。获得数据后，您可以轻松地按照自己的方式重建数据，例如使用nl2br 请注意，如果第一列和最后一列也包含新行，则无法可靠地解析数据。

工作示例：http://ideone.com/gG0K3

Answer 2

如果需要，可以使用正则表达式来定位这些换行符。我们的想法是只查找后跟一个额外值的换行符，然后只查找整行。我们可以在当前换行符为1模4后检查值的数量，因此我们知道我们在第3列：

(?:\r\n?|\n)(?=[^|]*\|[^\n\r|]*\s*(?:^(?:[^|]*\|){3}[^\n\r|]*$\s*)*\Z)

或者，（某些）解释：

(?:\r\n?|\n)   # Match a newline
(?=            # that is before...
    [^|]*\|[^\n\r|]*\s*               # one more separator and value
    (?:^(?:[^|]*\|){3}[^\n\r|]*$\s*)* # and some lines with 4 values.
    \Z                                # until the end of the string.
)

我无法在Notepad ++上工作（它甚至不匹配[\r\n]），但它似乎在其他引擎上运行良好：

Rubular（Ruby）：http://rubular.com/r/NsbTNg9vCT
RegExr（动作脚本）：http://regexr.com?2u1iu
正则表达英雄（.Net）：http://regexhero.net/tester/?id=215ac2bb-811b-48dd-8c00-6dcfadfae2f2

记事本++ - 尝试重新格式化一些东西

2 个答案: