在带引号的字符串中使用分号和引号匹配 CSV 行

Question

我正在尝试解析单个 csv 文件。 目前它是通过一些在线正则表达式网页完成的，但最终它必须在 c# 中实现。 （作为对 cme​​ts 中某些问题的反应）

我在这里阅读了很多关于 SO 的其他文章，以便自己弄清楚， 但我一直在解决它。

我的 RegExp 测试行如下所示（更新：引号在带引号的字符串中转义）：

;;"test123;weiterer Text";;"Test mit " Zeichen im Spaltenwert";nächste Spalte mit " Begrenzungszeichen;"4711";irgendwas 123,4;1222;"foo"test"

;;"test123;weiterer Text";;"Test mit "" Zeichen im Spaltenwert";nächste Spalte mit "" Begrenzungszeichen;"4711";irgendwas 123,4;1222;"foo""test"

• ; 是分隔符
• " 是引用列的符号

问题：

• 该行可能包含空列（分号后跟分号 没有任何文字）
• 带引号的字符串可能包含引号，就像这里 "Test mit " Zeichen im Spaltenwert"
• 列分隔符也可能出现在带引号的字符串中，例如：“test123;weiterer Text”

到目前为止，我通过几次谷歌搜索所做的事情以及我对正则表达式的有限理解就是这个表达式

(?

这给出了以下结果

        [0] => 
        [1] => 
        [2] => "test123
        [3] => weiterer Text"
        [4] => 
        [5] => "Test mit " Zeichen im Spaltenwert"
        [6] => nächste Spalte mit " Begrenzungszeichen
        [7] => "4711"
        [8] => irgendwas 123,4
        [9] => 1222
        [10] => "foo"test"

经过测试 https://www.myregextester.com/

我现在遇到的问题是元素 2 和 3。这个文本

"test123;weiterer Text"

必须是一列，但在引号字符串内的分号处被拆分，尽管我认为我告诉表达式匹配引号内的所有内容。

非常感谢这里的任何帮助。 提前致谢。

Answer 1

假设一个正确的 csv 使用双引号进行转义 ("")，您可以使用逐行读取

"(?:[^"]+|"")*"|[^;]+|(?<=;|^)(?=;|$)

基本上三种不同的方式来匹配一列：

• "(?:[^"]+|"")*" 开始和结束引号之间有非引号或双引号
• [^;]+ 一系列非分号
• (?<=;|^)(?=;|$) 分号之间或分号和开始/结束之间的空白字段

注意：

• 如果您想在多行上下文中使用它，您必须在否定字符类中添加 \n
• 它不处理与引用字段连接的前导或尾随空格

见https://regex101.com/r/twKZVN/1

（虽然 regex 101 测试 PCRE 模式，但使用的所有功能也可用于 .net 模式。

Answer 2

(?<=^|;)(\"[^"]*\";|\".\"|[^;]*)|[^;]+

添加此部分用于合并 2 和 3 \"[^"]*\";

[0] => Array
    (
        [0] => 
        [1] => 
        [2] => "test123;weiterer Text";
        [3] => 
        [4] => "Test mit " Zeichen im Spaltenwert"
        [5] => nächste Spalte mit " Begrenzungszeichen
        [6] => "4711";
        [7] => irgendwas 123,4
        [8] => 1222
        [9] => "foo"test"
    )