Perl 中的多阶拆分答案

【问题标题】：Multi-order splitting inside PerlPerl 中的多阶拆分
【发布时间】：2019-10-23 06:10:11
【问题描述】：

我有一个来自 CSV 文件的字符串：

my $str = 'NA19900,4,111629038,0;0,0;0,"GSA-rs16997168,rs16997168,rs2w34r23424",C,T,0,0,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0';

应该（以某种方式）翻译成

'NA19900,4,111629038,0;0,0;0,"GSA-rs16997168;rs16997168;rs2w34r23424",C,T,0,0,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0';

这样 perl 的 split 不会将单个字段 GSA-rs16997168,rs16997168 拆分为两个单独的字段

即如果逗号在两个 " 之间，则逗号应替换为分号我在 Google 上找不到如何执行此操作

到目前为止我已经尝试过：

$str =~ s/"([^"]+),([^"]+)"/"$1;$2"/g; 但这会因 > 2 个表达式而失败
我听说过前瞻，但我不知道如何在这里使用它们:(

【问题讨论】：

标签： regex perl csv

【解决方案1】：

既然存在完美的 CSV 解析器，为什么还要尝试重新创建？

use Text::CSV_XS qw( );

my $csv = Text::CSV_XS->new({ binary => 1, auto_diag => 2 });
while ( my $row = $csv->get_line($fh) ) {
   $row->[5] =~ s/,/;/g
   $csv->say(\*STDOUT, $row);
}

【讨论】：

【解决方案2】：

我的猜测是，我们希望在最后一个 " 之后最多捕获四个逗号，为此我们将从一个简单的表达式开始，例如：

(.*",.+?,.+?,.+?,.+?),

Demo

测试

use strict;

my $str = 'NA19900,4,111629038,0;0,0;0,"GSA-rs16997168,rs16997168,rs2w34r23424",C,T,0,0,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0';
my $regex = qr/(.*",.+?,.+?,.+?,.+?),/mp;

if ( $str =~ /$regex/g ) {
  print "Whole match is ${^MATCH} and its start/end positions can be obtained via \$-[0] and \$+[0]\n";
  # print "Capture Group 1 is $1 and its start/end positions can be obtained via \$-[1] and \$+[1]\n";
  # print "Capture Group 2 is $2 ... and so on\n";
}

# ${^POSTMATCH} and ${^PREMATCH} are also available with the use of '/p'
# Named capture groups can be called via $+{name}

正则表达式

如果不需要此表达式并且您希望对其进行修改，请访问此链接regex101.com。

正则表达式电路

jex.im 可视化正则表达式：

【讨论】：

【解决方案3】：

为什么要使用 CSV 模块和正则表达式。
只需使用正则表达式并去掉中间人。

$str =~ s/(?m:(?:,|^)"|(?!^)\G)[^",]*\K,(?=[^"]*")/;/g ;

https://regex101.com/r/tRDCen/1

自述版本

 (?m:
      (?: , | ^ )
      "
   |  
      (?! ^ )
      \G 
 )
 [^",]* 
 \K 
 ,
 (?= [^"]* " )

【讨论】：