处理带有单引号字符串和单引号字符串中的偶尔逗号或单引号的 CSV 文件

Question

我有一个 CSV 文件，其中的文本列用单引号括起来，而其他非文本列周围没有引号。文本列在这些单引号文本列中可能有逗号或单引号。我在网上找到了一个脚本，但它不能处理这种情况。

有没有办法在 PowerShell 中处理这个问题？

例子：

123,678.89,'hello there1', 'xyz1@gmail.com', 'abc,nds'\n 
123,678.89,'hello 'there2', 'xyz2@gmail.com', 'akiu-'nds'\n

输出：

123,678.89|hello there1|xyz1@gmail.com|abc,nds \n 
123,678.89|hello 'there2|xyz2@gmail.com|akiu-'nds \n

示例 2：
123,6272,678.89,,,'hello ,there1',,,,'abc1','tw,es',,'xyz1@gmail.com',,,,,,'abc,nds1'\n 124,8272,928.89,,,,'hello 'there2',,,'abc2','twes',,,'xyz2@gmail.com',,'biej',,,'abc'nds2'\n 125,9272,328.89,,'你好'there3',,'abc3',',outyi',,,,'xyz3@gmail.com',,,,,,'ahct','abc'nds3'\n

输出：

123|6272|678.89|||你好，there1||||abc1|tw,es||xyz1@gmail.com||||||abc,nds1\n 124|8272|928.89||||你好'there2|||abc2|twes|||xyz2@gmail.com||biej|||abc'nds2\n 125|9272|328.89||你好'there3||abc3|, outyi||||xyz3@gmail.com||||||ahct|abc'nds3\n

Answer 1

类似于Kiran's answer。有几件事需要改变，所以我不认为有一个万能的解决方案。我们需要链接这两个更改。首先是实际分隔符的逗号，其次是特殊的行尾字符序列。

$path = "c:\temp\file.csv"
$newDelimiter = "|"
(Get-Content $path) -replace "'\s*?,\s?'|,\s?'|'\s?,",$newDelimiter -replace "'\s*?\\n$","\n" | Set-Content $path

我有一个regex101 link 可以更详细地解释。做更多工作的正则表达式是第一个具有三个潜在替代匹配的正则表达式。这有效地忽略了自己关闭的引号。如果有数据包含引号和逗号组合，那么我认为在没有更多信息的情况下对其进行编程。

• '\s*?,\s?'：逗号括在引号中，可选地被变体空格包围。
• ,\s?'：逗号加上可选空格，后跟引号
• '\s?,: 引用可选空格，后跟逗号

因此，上述任何组的匹配项都将替换为$newDelimiter。第二个正则表达式只是在寻找'\n$，同时考虑到引号和\n之间的潜在可选空格，这些空格发生在行尾。这就是删除最后一个单引号的方式。

Answer 2

这样的？

Get-Content C:\temp\file.txt | 
   ForEach-Object {$_ -replace ",'|',\s+'",'|' -replace "'\\n",' \n'} | 
       Set-Content C:\temp\newfile.txt 

注意：代码只有一行，为了便于阅读，分成了 3 行。