正则表达式在引号之外的换行符上拆分

Question

我想在不在双引号内的新行上拆分数据流。该流包含多行数据，其中每一行由换行符分隔。但是，数据行可能包含双引号内的换行符。这些换行符并不表示下一行数据已经开始，所以我想忽略它们。

所以数据可能看起来像这样：

第 1 行：bla bla，12345，...

第 2 行："bla

bla", 12345, ...

第 3 行：bla bla，12345，...

我尝试使用类似帖子中的正则表达式，通过用换行符替换逗号来拆分逗号而不是用双引号 (Splitting on comma outside quotes)：

\n(?=(?:[^\"]*\"[^\"]*\")*[^\"]*$)

这个正则表达式与我期望的不匹配。我错过了什么吗？

Answer 1

这里有两种方法。

#1

可以匹配正则表达式

[^"\r\n]+(?:"[^"]*"[^"\r\n]+)*

Demo

表达式可以分解如下。

[^"\r\n]*    # match zero or more characters other than those in the
             # character class
(?:          # begin non-capture group
  "[^"]*"    # match double-quote followed by zero or more characters
             # other than a double-quote, followed by a double-quote   
  [^"\r\n]+  # match zero or more characters other than those in the
             # character class
)*           # end non-capture group and execute it zero or more times

#2

匹配不在双引号之间的行终止符等效于匹配行终止符，从字符串的开头开始，前面有偶数个双引号。您可以使用以下正则表达式匹配此类行终止符（未设置多行标志，以便^ 匹配字符串的开头，而不是行的开头）。

/(?<=^[^"]*(?:"[^"]*"[^"]*)*)\r?\n/

Start your engine!

Javascript 的正则表达式引擎（令人印象深刻地支持可变长度的lookbehinds）执行以下操作。

(?<=         : begin positive lookbehind
  ^          : match beginning of string (not line)
  [^"]*      : match 0+ chars other than '"'
  (?:        : begin non-capture group
    "[^"]*"  : match '"', 0+ chars other than '"', '"'
    [^"]*    : match 0+ chars other than '"' 
  )*         : end non-capture group and execute 0+ times
)            : end positive lookbehind
\r?\n        : match line terminator