正则表达式 - 解析 Csv 文本

Question

所以这里有很多帖子说明我应该使用 Vb.Net TextFiledParser，而不是滚动我自己的 csv 解析器。

我试过了，如果我错了，请告诉我，它会根据单个分隔符进行解析。

所以如果我有一个地址字段“Flat 1, StackOverflow House, London”，我会得到三个字段。不幸的是，这不是我想要的。我需要给定单元格中的所有内容都保留为数组中的单个项目。

所以我开始编写自己的正则表达式如下：

var testString = @"""Test 1st string""" + "," + @"""Flat 1, StackOverflow House, London, England, The Earth""" + "," + "123456";

var matches = Regex.Matches(chars, @"""([^""\\])*?(?:\\.[^""\\]*)*?""");
var numbers = Regex.Matches(chars, @"\d+$");//only numbers
Assert.That(results.Count(), Is.EqualTo(3));
Assert.That(secondMatch.Count, Is.EqualTo(1));

第一个断言失败，因为没有返回字符串“123456”。该表达式仅返回“Test 1st string”和“Flat 1, StackOverflow House, London, England, The Earth”

我希望正则表达式返回所有引用\转义的内容和数字。

我不控制数据，但数字字符串都会被引用\转义，而数字不会。

我非常感谢一些帮助，因为我正在兜圈子尝试第三方库，但没有取得多大成功。

不用说 string.split 在地址的情况下不起作用，http://www.filehelpers.com/ 似乎没有考虑这些例子。

Answer 1

我用来快速绕过它的一个 hacky 方法是首先用引号将 Split 括起来，然后在每个其他索引之间，去掉引号（或用某些东西替换它们）。然后Split再次在逗号上字符串

刚刚发现：Javascript code to parse CSV data - 我很欣赏它是 JavaScript 而不是 vb.net。不过，你应该可以关注它

还有How can I parse a CSV string with Javascript, which contains comma in data?

Answer 2

只是为了让您了解您遇到的问题：这是一个应该可以很好地工作的正则表达式。但是你肯定需要测试一下，因为 CSV 有很多极端情况，我肯定会错过一些（我假设逗号作为分隔符，" 作为引号字符（即通过加倍逃脱））：

(?:           # Match either
 (?>[^",\n]*) #  0 or more characters except comma, quote or newline
|             # or
 "            #  an opening quote
 (?:          #  followed by either
  (?>[^"]*)   #   0 or more non-quote characters
 |            #  or
  ""          #   an escaped quote ("")
 )*           #  any number of times
 "            #  followed by a closing quote
)             # End of alternation
(?=,|$)       # Assert that the next character is a comma (or end of line)

在 VB.NET 中：

Dim ResultList As StringCollection = New StringCollection()
Dim RegexObj As New Regex(
    "(?:            # Match either" & chr(10) & _
    " (?>[^"",\n]*) #  0 or more characters except comma, quote or newline" & chr(10) & _
    "|              # or" & chr(10) & _
    " ""            #  an opening quote" & chr(10) & _
    " (?:           #  followed by either" & chr(10) & _
    "  (?>[^""]*)   #   0 or more non-quote characters" & chr(10) & _
    " |             #  or" & chr(10) & _
    "  """"         #   an escaped quote ("""")" & chr(10) & _
    " )*            #  any number of times" & chr(10) & _
    " ""            #  followed by a closing quote" & chr(10) & _
    ")              # End of alternation" & chr(10) & _
    "(?=,|$)        # Assert that the next character is a comma (or end of line)", 
    RegexOptions.Multiline Or RegexOptions.IgnorePatternWhitespace)
Dim MatchResult As Match = RegexObj.Match(SubjectString)
While MatchResult.Success
    ResultList.Add(MatchResult.Value)
    MatchResult = MatchResult.NextMatch()
End While