CSV 文件模式匹配也匹配分隔符答案

【问题标题】：CSV file pattern matching matches separators alsoCSV 文件模式匹配也匹配分隔符
【发布时间】：2017-10-19 09:16:33
【问题描述】：

我使用了这个正则表达式(?:^|;)\s*(?:(?:(?=")"([^"].*?)")|(?:(?!")(.*?)))(?=;|$)，它略微改编自this question中的解决方案

我的问题是它也匹配分隔分号，然后我必须手动删除它，这是不好的风格。

String separator = ";";
String patternString = "(?:^|" + separator + ")\\s*(?:(?:(?=\")\"([^\"].*?)\")|(?:(?!\")(.*?)))(?=" + separator + "|$)";
pattern = Pattern.compile(patternString);

Matcher match = pattern.matcher(line);
                        // Find all cells and add them to row.
                        while (match.find())
                        {
                                String cell = match.group();
                                //HACK something with the pattern to match is wrong
                                if(cell.indexOf(";") == 0) cell = cell.substring(1);
                                cell = unescapeCsv(cell);
                                //do something with cell
}

我尝试匹配这个，它必须匹配一个被引用的列（见最后一列），并且有分号作为数据的一部分：

Name;inst_type;Position;Currency;cftype;amount;tenor;fwterm;compoundtype;resetterm;histrates;sdate;edate;fwdate;callput;capfloor;strike;vola;volavalue;ulspot;ulspotvalue;divcurve;cleanflag;fixrate;compfr;dayc;refindex;spread;floatfactor;paystart;payend;annuity;amortizingtype;cgm;resrate;nextrate;isprorated;rolldate;rollday;islongstub;isarrear;payrule;paydays;paycal;resrule;resdays;rescal;isfixcoupon;spreadcurve;cds_spread_value;recovrate;payoutrate;payrec;creditspread;disc;"C""F"
Bond1;;1;EUR;2;100;6M;;;;;01.09.2007;01.09.2010;;;;;;;;;;;0,0625;1;1;;;;0;100;;;1;;;1;01.06.2008;;1;;;;;;;;;;;;;;;IR-EUR;"2;01062008;100;0;0.0625;;01092007;01062008";"2;01122008;100;0;0.0625;;01062008;01122008";"2;01062009;100;0;0.0625;;01122008;01062009";"2;01122009;100;0;0.0625;;01062009;01122009";"2;01092010;100;0;0.0625;;01122009;01092010";"1;01092010;100";
Bond2;;1;EUR;2;100;6M;;;;;01.09.2007;01.09.2010;;;;;;;;;;;0,0625;1;1;;;;0;100;;;-1;;;1;;;;;;;;;;;;;;;;;;IR-EUR;"2;01092010;100;0;0.0625;;01032010;01092010";"2;01032010;100;0;0.0625;;01092009;01032010";"2;01092009;100;0;0.0625;;01032009;01092009";"2;01032009;100;0;0.0625;;01092008;01032009";"2;01092008;100;0;0.0625;;01032008;01092008";"2;01032008;100;0;0.0625;;01092007;01032008";"1;01092010;100";

【问题讨论】：

你为什么要这样对自己？只需使用 CSV 解析库。或者编写一个不使用正则表达式的简单标记器。
您在正则表达式中使用了捕获组。您现在需要做的就是将String cell = match.group() 替换为String cell = match.group(1)。这将为您提供第 1 组而不是完整匹配
好吧，我刚刚看到你有 2 个组，所以会有点困难......

标签： java regex csv

【解决方案1】：

试试这个，它应该可以工作：(?<=^|;)".*?"(?=;|$)|(?<=^|;)[^;]*(?=;|$)

说明

(?<=^|;)".*?"(?=;|$) 双引号之间的任何字符零到无限次，前面是起始锚或分号，后面是分号或结束锚

| 或

(?<=^|;)[^;]*(?=;|$) 除分号外的任何字符，零到无限次，前面是起始锚点或分号，后跟分号或结束锚点

使用* 而不是+ 对匹配空列很重要

Demo

【讨论】：

还有一个问题，"3;01022007;100;0;;IR-EUR;01082006;01022007;01082006;6M;0;1";"3;01022007;100;0;;IR-EUR;01082006;01022007;01082006;6M;0;2";"3;01022007;100;0;;IR-EUR;01082006;01022007;01082006;6M;0;3"只匹配了其中的第一个
将您的字符串剪切并粘贴到 regex101 编辑器中，它包含破坏模式的隐藏字符：regex101.com/r/SSLZRN/1
谢谢它的工作 - 错误在数据表示中的其他地方

【解决方案2】：

只需使用普通的 CSV 解析器：

【讨论】：