Question

我正在尝试创建一个PCRE，它只匹配CSV文件中一行中用作分隔符的逗号。假设一行的格式为：

1,"abcd",2,"de,fg",3,"hijk"

我希望匹配除“e”和“f”之间的逗号之外的所有逗号。或者，如果这是更容易或更明智的解决方案，那么仅匹配那个是可接受的。我有一种感觉，我需要使用负前瞻断言来处理这个问题，但我发现它有点难以弄明白。

Answer 1

有关详细信息，请参阅我的post that solves this problem。

^(?:(?:"((?:""|[^"])+)"|([^,]*))(?:$|,))+$将匹配整行，然后您可以使用match.Groups [1] .Captures来获取数据（不带引号）。另外，我让“我的名字是”“在引号”“”是一个有效的字符串。

Answer 2

CSV解析是一个难题，并且已经很好地解决了。无论你使用什么语言都无疑有一个完整的解决方案来处理它，而你不必走自己写的自己的正则表达式。

您使用的是哪种语言？

Answer 3

正如你已经被告知的那样，正则表达式真的不合适;处理一般情况很棘手（如果在字段中允许换行则加倍，如果你可能不得不处理格式错误的CSV数据，那么就会很复杂。

我建议工具CSVFIX尽可能做你需要的工作。

要查看CSV有多糟糕，请考虑这些数据（包含5个清洁字段，其中两个为空）：

"""",,"",a,"a,b"

请注意，第一个字段只包含一个双引号。将两个双引号压缩成一个是非常艰难的;在使用正则表达式捕获两者之后，你可能必须使用第二遍。并考虑这个不正确的数据：

"",,"",a",b c",

问题在于以a开头的字段包含双引号;怎么解释呢？停在逗号？然后，以b开头的字段同样是格式错误的。停在下一个报价？所以该字段为a",b c"（或者应该删除引号）？等等......呸！

这个Perl非常接近正确处理上面的数据行和可怕的正则表达式：

use strict;
use warnings;

my @list = ( q{"""",,"",a,"a,b"}, q{"",,"",a",b c",} );

foreach my $string (@list)
{
    print "Pattern: <<$string>>\n";
    while ($string =~ m/ (?: " ( (?:""|[^"])* ) "  |  ( [^,"] [^,]* )  |  ( .? ) )
                         (?: $ | , ) /gx)
    {
        print "Found QF: <<$1>>\n" if defined $1;
        print "Found PF: <<$2>>\n" if defined $2;
        print "Found EF: <<$3>>\n" if defined $3;
    }
}

请注意，如上所述，您必须确定实际使用的三个捕获中的哪一个。通过两个阶段处理，您可以处理一个捕获，然后删除封闭的双引号和嵌套的双引号双引号。这个正则表达式假定如果该字段不以双引号开头，那么双引号在该字段中没有特殊含义。玩得开心响应变化！

输出：

Pattern:  <<"""",,"",a,"a,b">>
Found QF: <<"">>
Found EF: <<>>
Found QF: <<>>
Found PF: <<a>>
Found QF: <<a,b>>
Found EF: <<>>
Pattern:  <<"",,"",a",b c",>>
Found QF: <<>>
Found EF: <<>>
Found QF: <<>>
Found PF: <<a">>
Found PF: <<b c">>
Found EF: <<>>

我们可以讨论第一个模式结束时的空场（EF）是否正确;它可能不是，这就是为什么我说'非常接近'。 OTOH，第二种模式结束时的EF是正确的。此外，从字段""""中提取两个双引号并不是您想要的最终结果;你必须对该字段进行后处理，以消除每对相邻的双引号之一。

Answer 4

在不考虑努力的情况下，我会做[0-9]+|"[^"]*"之类的事情，以匹配除逗号分隔符之外的所有。那会诀窍吗？

如果没有上下文，就无法提供更具体的解决方案。

Answer 5

Andy说得对：正确解析CSV比你想象的要难得多，并且有各种丑陋的边缘情况。我怀疑在数学上不可能用正则表达式正确地解析CSV，特别是sed理解的那些。

使用使用the Text::CSV module from CPAN（或首选脚本语言中的等效语句）的Perl脚本而不是sed。这样的事情应该这样做：

use Text::CSV;
use feature 'say';

my $csv = Text::CSV->new ( { binary => 1, eol => $/ } )
    or die "Cannot use CSV: ".Text::CSV->error_diag ();
my $rows = $csv->getline_all(STDIN);
for my $row (@$rows) {
    say join("\t", @$row);
}

这假设您的数据中没有嵌入任何制表符，当然也许最好还是使用Real Scripting Language进行后续阶段，这样您就可以利用正确的列表了？ / p>

Answer 6

我知道这是旧的，但这个RegEx适合我：

/(\"[^\"]+\")|[^,]+/g

它可以用于任何语言。我在JavaScript中测试过它，所以 g 只是一个全局修饰符。它甚至可以使用混乱的线条（额外的引号），但不处理空白。

只是分享，也许这会对某人有帮助。

正则表达式以匹配CSV分隔符

6 个答案: