Regex 匹配CSV分隔符的正则表达式

我正在尝试创建一个PCRE，它将只匹配CSV文件中用作行分隔符的逗号。假设行的格式如下所示：

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

---

我想匹配除“e”和“f”之间的逗号以外的所有逗号。或者，如果这是一个更容易或更明智的解决方案，那么只匹配一个是可以接受的。我有一种感觉，我需要使用一个否定的前瞻性断言来处理这个问题，但我发现这有点太难了。

如果不认真思考，我会做一些类似于

[0-9]+|“[^”]*”

的事情来匹配除逗号分隔符以外的所有内容。这会奏效吗

---

如果没有上下文，就不可能给出更具体的解决方案。

CSV解析是一个困难的问题，已经得到了很好的解决。毫无疑问，无论您使用什么语言，都有一个完整的解决方案来处理它，而无需编写自己的正则表达式

您使用的是什么语言？

有关详细信息，请参阅我的

---

^（（？：“（？：”）+）“（？：”[^，]*）（？：$）+$

将匹配整行，然后您可以使用match.Groups[1]。捕获以获取数据（不带引号）。另外，我让“我的名字是”“在引号中”“是一个有效的字符串。

正如你已经被告知的，正则表达式是不合适的；处理一般情况是很棘手的（如果字段中允许换行，则加倍如此，如果您可能必须处理格式错误的CSV数据，则加倍如此）

• 我建议该工具尽可能满足您的需要

看看CSV有多坏，考虑这个数据（有5个干净的字段，其中两个是空的）：

注意，第一个字段只包含一个双引号。将两个双引号压扁为一个非常困难；在用正则表达式捕获两个引文之后，可能需要用第二遍来做。

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

问题是以

a

开头的字段包含一个双引号；如何解释它？在逗号处停止？然后以

b

开头的字段同样格式不正确。在下一个引号处停止？因此该字段是

a“，b c”

（或者应该删除引号）？等等……真恶心

这个Perl非常接近于使用可怕的正则表达式正确处理上述两行数据：

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;
    }
}

使用严格；
使用警告；
我的@list=（q{“”，，a，“a，b”}，q{“”，“，a”，bc”，}）；
foreach my$string（@list）
{
打印“图案：\n”；
而（$string=~m/（？：”（（？：“”[^]）*）“（（？：“”[^，][^，]*）|（.？））
（？：$|，）/gx）
{
如果定义为$1，则打印“发现QF:\n”；
如果定义为$2，则打印“发现PF:\n”；
如果定义为$3，则打印“Found EF:\n”；
}
}

请注意，如前所述，您必须确定实际使用了三个捕获中的哪一个。通过两个阶段的处理，您可以只处理一个捕获，然后去掉封闭的双引号和嵌套的双引号。此正则表达式假定，如果字段不以双引号开头，则双引号没有特殊含义我的意思是在球场内。祝你玩得开心

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: <<>>

模式：
成立资历架构：
找到EF:
成立资历架构：
找到PF:
成立资历架构：
找到EF:
模式：
成立资历架构：
找到EF:
成立资历架构：
找到PF:>
找到EF:

我们可以讨论第一个模式末尾的空字段（EF）是否正确；它可能不正确，这就是为什么我说“非常接近”。哦，第二个模式末尾的EF是正确的。

---

另外，从字段

中提取两个双引号

不是您想要的最终结果；您必须对字段进行后期处理，以消除每一对相邻的双引号中的一个。

安迪的观点：正确解析CSV比您可能意识到的要困难得多，并且有各种各样难看的边缘情况。我怀疑从数学上讲，用正则表达式正确解析CSV是不可能的，尤其是只有sed所理解的人才能理解

使用使用的Perl脚本（或首选脚本语言中的等效脚本）而不是sed

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);
}

---

当然，这假设您的数据中没有任何制表符-也许最好也使用真正的脚本语言执行后续阶段，这样您就可以利用适当的列表了？

我知道这很旧，但这个正则表达式对我来说很有用：

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

它可能用于任何语言。我用JavaScript测试了它，所以g只是一个全局修饰符。它甚至可以用于混乱的行（额外的引号），但不能处理空

---

只是分享，也许这会对某人有所帮助。

不，因为这与“e”和“f”之间的逗号不匹配，即使这不是分隔符。我应该更清楚一点——在这种情况下，双引号之间的逗号不被视为分隔符。此外，我给出的格式并不意味着每一行看起来都是精确的同样，但是一行由数字和双引号字符串组成，用逗号分隔。如果我不清楚，很抱歉；如果没有更多信息，很难知道您的用例。通常，当有人解析CSV时，他们真正想要的是值，而不是分隔符。带有此正则表达式的MatchAll类型函数会给您一个list/CSV文件中所有项目的数组。如果，如您在另一条评论中所说，您正在使用

sed

将逗号更改为其他内容，为什么不使用

grep-eo

来获取换行符分隔的值？出于好奇，为什么要匹配逗号？您试图实现什么？我建议完全避免使用regex来解决此问题-以及采用在所有逗号上拆分字符串的方法，然后通过拆分的组件合并以引号开头/结尾的组件（在过程中删除引号）。虽然这在一句话中有点过于简单，但仍然是一个simp

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