使用 RegEx 读取 CSV 文件

Question

我有一个 CSV 文件，其中包含以下类型的数据：

0,'VT,C',0,
0,'C,VT',0,
0,'VT,H',0,

我希望得到以下输出

0
VT,C
0
0
C,VT
0
0
VT,H
0

因此，在逗号上拆分字符串，但忽略引号内的逗号。目前我正在使用以下正则表达式：

("(?:^|,)(\"(?:[^\"]+|\"\")*\"|[^,]*)"

但是这给了我以下结果：

0
VT
C
0
0
C
VT
0
0
VT
H
0

这表明 RegEx 没有正确读取引号。任何人都可以提出一些可能有帮助的改变吗？

Answer 1

通常在 CSV 解析方面，人们使用非常适合他们用来编写应用程序的编程语言的特定库。

无论如何，如果您要使用正则表达式来进行非常松散（！）的解析，您可以尝试使用以下内容：

'(?<value>[^']*?)'

它将匹配单引号之间的任何内容，并且假设 csv 文件格式正确，它不会错过任何字段。当然，它不接受嵌入式引号，但它很容易完成工作。这就是我需要快速完成工作时使用的方法。请不要将其视为您问题的完整解决方案...它仅适用于您所描述的要求并且输入格式正确的特殊条件。

[编辑]

我再次检查了您的问题，并注意到您还想包含未引用的字段...好吧，在这种情况下，我的表达将根本不起作用。不管怎样，听着……如果你认真思考你的问题，你会发现这是很难在没有歧义的情况下解决的。因为您需要固定规则，并且如果您允许带引号和不带引号的字段，解析器将很难找出合法的逗号作为分隔符/引号。

模拟这种解决方案的另一个表达式可能是：

('[^']+'|[^,]+),?

它将匹配引用/未引用的字段...无论如何我不确定它是否需要假设 csv 必须遵守严格的条件。据我所知，这将比拆分策略更安全...您只需要收集所有匹配项并在目标字符串上打印matched_value + \r\n。

Answer 2

此正则表达式基于您在 'value'

前后有 1 位的事实

Regex.Replace(input, @"(?:(?<=\d),|,(?=\d))", "\n");

你可以在RegexStorm上测试一下

Answer 3

foreach(var m in Regex.Matches(s,"(('.*?')|[0-9])"))

Answer 4

我已经设法获得以下方法来根据需要读取文件：

public List<string> SplitCSV(string input, List<string> line)
    {

        Regex csvSplit = new Regex("(([^,^\'])*(\'.*\')*([^,^\'])*)(,|$)", RegexOptions.Compiled);

        foreach (Match match in csvSplit.Matches(input))
        {
            line.Add(match.Value.TrimStart(','));
        }
        return line; 
    }

感谢大家的帮助。