如何构建正则表达式来解析逗号分隔值但忽略双引号中的逗号？答案

【问题标题】：How to build a regular expression to parse comma separated values but ignore the comma with in the double quotes?如何构建正则表达式来解析逗号分隔值但忽略双引号中的逗号？
【发布时间】：2011-07-13 00:19:42
【问题描述】：

示例字符串：

2011-03-09,4919 1281 0410 9930,55107,SAZB2314,"John, Doe" ,1-888-888-4452 ext 1813

需要标记所有逗号，但不是双引号内的逗号。

【问题讨论】：

不要使用正则表达式。不要使用正则表达式。不要使用正则表达式。使用文本解析器。
但是文本解析器不使用正则表达式将输入分解为标记吗？
如果您想学习，请不要使用文本解析器。如果您想提高工作效率，请不要使用正则表达式。

标签： regex perl unix expression

【解决方案1】：

您可以使用 CPAN 中的 Text::CSV。

【讨论】：

【解决方案2】：

如果您需要一个正则表达式而不是像@eugene y 建议的适当的解析器，这里是一种尝试。捕获应按顺序返回列表元素。

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

【讨论】：

【解决方案3】：

或者使用Text::CSV_XS，它做同样的事情但速度更快。

【讨论】：

它不一定更快，因为 Text::CSV 会导致使用 Text::CSV_XS（如果可用）。不过，我确实建议使用 Text::CSV_XS，因为它也消除了使用 Text::CSV 的额外复杂性，并且可以保证在较慢的 Text::CSV_PP 上获得 Text::CSV_XS。

【解决方案4】：

使用Data::Record。

【讨论】：

【解决方案5】：

试试：

use strict;
use warnings;
use Text::ParseWords;

while (<DATA>) {
    chomp;
    my @f = quotewords ',', 0, $_;
    for (@f) {
            s/^\s*|\s*$//g;
            s/^/"/ && s/$/"/ if /,/;
    }
    print join (",", @f), "\n";
}

__DATA__
2011-03-09,4919 1281 0410 9930,55107,SAZB2314,"John, Doe" ,1-888-888-4452 ext 1813
"ashish", "kumar", "test,1", "test2"
"foo", "b,ar", "msg1", "msg2"

【讨论】：

【解决方案6】：

我知道如何在 Java 中做到这一点。正则表达式在 PERL 中的工作方式可能不同，但让我展示一下这个想法。有3个子句的并集。

// 1) select any quoted text before comma
// if it fails then
// 2) select any text before comma
// if it also fails then
// 3) select any text before end of the input

final String OR           = "|";
final String QUOTE        = "\"[\\s]*"; //with trailing whitespaces
final String NON_QUOTES   = "[^\"]*";
final String COMMA        = ",";
final String NON_COMMA    = "[^,]*"; 
final String NON_END      = "[^$]+"; 
final String END          = "$";

final Pattern p = Pattern.compile(
QUOTE+NON_QUOTES+QUOTE+COMMA+
OR+
NON_COMMA+COMMA+
OR+
NON_END+END);

它将为您提供不幸地以逗号结尾的匹配项，最后一个除外。没有捕获组，因为像这样用 union 子句定义它们没有意义。

【讨论】：

Regexp::Grammars、Parser::MGC 或 Parse::RecDescent 之类的东西将是创建与此等效的 Perl 代码的方法。但是对于 CSV，已经有模块可以解决这个问题。

【解决方案7】：

我目前正在做一个项目，这个正则表达式帮助我获得了完全相同格式的 csv 文件。

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

如果一条记录被随机分成多行，这将不起作用。我遇到了这个问题，并通过确定非空匹配的计数是否正确来解决它。

【讨论】：