RegExp-匹配尽可能短的数量似乎不起作用

我想删除CSV文件中匹配双引号中的逗号。这里的关键是它必须在匹配的双引号之间。此RexExp似乎不起作用：

".*?,.*?"

如果引入问号，它不会发现任何东西。因此，以下方法不起作用：

s/\(".*?\),\(.*?"\)/\1;\2/g

下一行是输入测试行。它与最短的不匹配

21,C,101,1,,W,D,,"AAAAAAAA,, RBBBBBB,",CCCCCCCCCC DD EEEEEEEEEE,FFFFFF GGGGGGG HHHHHHHHH,III 101 JJ,,,,KKKKKKK LLLLLLLL M'MMMM N,"OOO, P'PPPP QQQQQQQQ RR R",SSSSSSSSSSSS TTTTTTTTTT,UUU 101 VV,,,,,12/1/1998,1/1/2050,ZZZZZZ

---

我想将“aaaaaaa，RBBBBBB，”中的逗号改为分号“aaaaaaa；；RBBBBBB；”，并“OOO，p'PPPP qqqqqqqqqq RR”为“oo；p'PPPP qqqqqqqqqqqq RR R R”，而不更改输入行中的任何其他逗号。

gnu awk with

FPAT

可以处理此问题：

awk -v FPAT='"[^"]*"|[^,]*' -v OFS=, '{for(i=1; i<=NF; i++) gsub(/,/, ";", $i)} 1' file.csv

---

您的正则表达式有一个基本问题：

可以匹配任何字符，包括引号。懒惰量词并不能解决这个问题，它只是使它在简单的情况下工作

另外，如果有多个逗号，您想怎么做

请尝试以下方法：

"[^",]*?,[^",]*"

或者，要在引号内处理多个逗号：

"([^",]*?,)+[^",]*"

---

请注意，这个正则表达式仍然可以匹配不需要的文本，如果您想避免这种情况，那么您必须使匹配行起始锚点和实数对引号变得更加复杂，而不仅仅是其中包含逗号的任何两个引号。

我已经测试了这一点，以处理您的示例输入：

s/\("[^"]*\),\([^"]*"\)/\1;\2/g

在OSX和linux上执行，结果相同：

$ echo 21,C,101,1,,W,D,,\"AAAAAAAA,, RBBBBBB,\",CCCCCCCCCC DD EEEEEEEEEE,FFFFFF GGGGGGG HHHHHHHHH,III 101 JJ,,,,KKKKKKK LLLLLLLL M\'MMMM N,\"OOO, P\'PPPP QQQQQQQQ RR R\",SSSSSSSSSSSS TTTTTTTTTT,UUU 101 VV,,,,,12/1/1998,1/1/2050,ZZZZZZ | sed -e 's/\("[^"]*\),\([^"]*"\)/\1;\2/g'
21,C,101,1,,W,D,,"AAAAAAAA,, RBBBBBB;",CCCCCCCCCC DD EEEEEEEEEE,FFFFFF GGGGGGG HHHHHHHHH,III 101 JJ,,,,KKKKKKK LLLLLLLL M'MMMM N,"OOO; P'PPPP QQQQQQQQ RR R",SSSSSSSSSSSS TTTTTTTTTT,UUU 101 VV,,,,,12/1/1998,1/1/2050,ZZZZZZ

---

您的正则表达式对于CSV（如

“ab”、“cd”

）将失败。Regex并不是CSV真正的工具，但如果您在更高的层次上描述您的问题，我们可以提供帮助。

？

在量词后面表示“尽可能少”（惰性匹配）。如果问号表示“尽可能少”为什么它至少找不到一个没有问号的？您的提案会在不匹配的引号内更改逗号。例如，在

“aaaa bbbb”，xxxx，“bbb”

@Guasqueño中，我已经更新了我的答案，以包括命令结果。您的示例输入在不受正则表达式影响的匹配双引号之间有逗号。无论如何，我不会在匹配的双引号中处理多个逗号。谢谢Lucero。只要方框中没有逗号，并且没有使用问号，您的解决方案就可以工作。有些人认为添加问号的模式找不到。"[^"]*,[^"]*". 我不明白为什么问号不起作用。我将继续测试。更正我写的内容，如果引号中只有一个逗号需要使用

s/../g

替换，则您的解决方案部分有效（将逗号保留在两个方括号中）。你说得对。此外，中带有问号的RegExp不知何故也找不到任何内容。此外，如果要替换的逗号不止一个，则我无法将第二个RegExp与

s/../g

中的

\1

或

\2

一起使用。@Guasqueño，有不同的regex风格和容量，因此您的mielage可能会因实际使用的工具而异。尽管如此，我还是用JavaScript正则表达式和.NET正则表达式引擎成功地测试了它。如果问号不起作用，您可以删除它，在我的例子中它不会破坏正则表达式，但它可能表明您使用的正则表达式引擎不支持惰性量词。关于caputed组，您可以使用

“（？：[^，]*，）+[^，]*”

来避免捕获。我使用的是Redhat Linux 2.6.32和TextPad 4.5.0。他们中没有人喜欢懒惰的问号。我将进一步调查用于避免捕获的问号。这对我来说是新鲜事。谢谢。更具体地说，我试图在Linux中使用

vi

内部的正则表达式。对不起。我运行了你的命令，得到了不应该出现的分号。我得到了这个：

21；C101;1.WD“aaaaaaa；；，RBBBBBB；”；CCCC、DD、EEEE；FFFFFF，GGGGGGG，HHHHHHHHHHHH；三、 101，JJ；；；；kkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkk；“OOO；，P'PPPP，qqqqqq，RR，R”；SSSSSSSS，TTTTTTTT；UUU，101，VV；；；；；12/1/1998;1/1/2050;ZZZZZZ

您运行的确切命令是什么，您的awk版本是什么？我的回答中也包含了awk的输出。

$ echo 21,C,101,1,,W,D,,\"AAAAAAAA,, RBBBBBB,\",CCCCCCCCCC DD EEEEEEEEEE,FFFFFF GGGGGGG HHHHHHHHH,III 101 JJ,,,,KKKKKKK LLLLLLLL M\'MMMM N,\"OOO, P\'PPPP QQQQQQQQ RR R\",SSSSSSSSSSSS TTTTTTTTTT,UUU 101 VV,,,,,12/1/1998,1/1/2050,ZZZZZZ | sed -e 's/\("[^"]*\),\([^"]*"\)/\1;\2/g'
21,C,101,1,,W,D,,"AAAAAAAA,, RBBBBBB;",CCCCCCCCCC DD EEEEEEEEEE,FFFFFF GGGGGGG HHHHHHHHH,III 101 JJ,,,,KKKKKKK LLLLLLLL M'MMMM N,"OOO; P'PPPP QQQQQQQQ RR R",SSSSSSSSSSSS TTTTTTTTTT,UUU 101 VV,,,,,12/1/1998,1/1/2050,ZZZZZZ