正则表达式—解析CSV文件

最新推荐文章于 2024-05-24 20:20:37 发布

AirTesla

最新推荐文章于 2024-05-24 20:20:37 发布

阅读量5.1k

点赞数 1

分类专栏：正则表达式文章标签：正则表达式 csv

本文链接：https://blog.csdn.net/AirTesla/article/details/65936559

版权

正则表达式专栏收录该内容

7 篇文章

订阅专栏

本文探讨了如何使用正则表达式处理微软CSV格式的文件，特别是遇到双引号内包含逗号和多层双引号嵌套的情况。通过具体的例子和正则表达式，解释了解决这类问题的方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

不同程序有不同的CSV格式，微软CSV格式文件中得到格式是用逗号将不同的字段进行分割，或者当字段包含逗号时候用双引号分割，举例如下：

一、微软CSV格式匹配

【文本】
your dollors,10000, 27 years old ,,”10,000”,”it is “10 Grand”,baby”,10k
这个例子中包含了七个字段，分别是
your dollors
10000
27 years old
空字段
10,000
it is “10 Grand”,baby
10k

【难点】在于“10,000”和“it is “10 Grand”,baby”，双引号中嵌套双引号和逗号
1、[^,"]+可以获取之前用逗号和双引号分割的字段，但是这显然不足以将这七个字段完全正确的分割开；
2、双引号中包含逗号或双引号之间的文本，"(?:[^"]|"")*"
3、双引号嵌套：如果是双层嵌套，可以用表达式"[^,"]*"[^"]*"[^"]*"

因此，用以下表达式可以正确将文本分开
【表达式】

[^,"]+|,,|(?:"[^,"]*"[^"]*"[^"]*)"|"(?:[^"])*"    
分解：
[^,"]+  #普通字段
|,,         #空字段
|(?:"[^,"]*"[^"]*"[^"]*")   #双层双引号嵌套
|"(?:[^"])*"                   #双引号嵌套逗号

这种双引号的嵌套解决办法有待进一步分析，如下

二、双引号中包含多个双引号

如果一个双引号中间有很多个双引号呢？，比如
“english: “a”, “b”, “c”, “d”, “e” and others”
【多个双引号的表达式】

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

分解：
(
?:
    "             #最外侧起始双引号
    [^,"]*        #最外侧起始双引号与第二个双引号间的文本
        (?:"[^"]*"[^"]*)+      #出现几对双引号，量词*
                        [^"]*  #倒数第二个双引号与最外侧终止双引号之间文本
)
    "             #最外侧终止双引号

存在问题：当有多个这样的双引号时候，难以分辨