如何根据特定模式拆分 CSV 行答案

【问题标题】：How to split CSV line according to specific pattern如何根据特定模式拆分 CSV 行
【发布时间】：2013-05-17 10:27:14
【问题描述】：

在 .csv 文件中，我有如下几行：

10,"nikhil,khandare","sachin","rahul",viru

我想用逗号 (,) 分割行。但是我不想在双引号（“”）之间分割单词。如果我使用逗号分割，我将得到包含以下项目的数组：

10  
nikhil  
khandare  
sachin  
rahul  
viru

但我不希望双引号之间的项目被逗号分隔。我想要的结果是：

10
nikhil,khandare
sachin
rahul
viru

请帮我解决这个问题。

【问题讨论】：

请添加您已经制作的代码，以便我们帮助您修复它。
不可能使用简单的 perl 代码来做到这一点。我使用 TEST::CSV 模块这样做
您想使用什么语言？最好的办法可能是使用已经存在的 CSV 解析库。

标签： regex string csv split

【解决方案1】：

用于分隔字段的字符不应出现在字段本身中。如果可能，请将 , 替换为 ; 以分隔 csv 文件中的字段，这将使您的生活更轻松。但是如果你坚持使用, 作为分隔符，你可以使用这个正则表达式分割每一行：

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

例如，在 Python 中：

import re
s = '10,"nikhil,khandare","sachin","rahul",viru'
re.split(r'((?:[^,"]|"[^"]*")+)', s)[1::2]
=> ['10', '"nikhil,khandare"', '"sachin"', '"rahul"', 'viru']

现在要得到问题中显示的准确结果，我们只需要删除那些多余的"字符：

[e.strip('" ') for e in re.split(r'((?:[^,"]|"[^"]*")+)', s)[1::2]]
=> ['10', 'nikhil,khandare', 'sachin', 'rahul', 'viru']

【讨论】：

谢谢 :) 我相信在这种情况下这是适合这项工作的工具

【解决方案2】：

如果你真的总是有这样一个简单的结构，你可以在丢弃第一个数字和逗号后使用“，”（是的，带引号）分割

如果不是，您可以使用非常简单的state machine 形式从左到右解析您的输入。您将有两种状态：内部引号和外部。如果您已经知道正则表达式也是一种很好（并且更简单）的方法（因为它们基本上相当于状态机，只是以另一种形式）

【讨论】：

使用状态机解析字符串。这就是大多数正则表达式引擎的工作方式，为什么不推荐使用正则表达式呢？
看我的回答，我写了一个正则表达式，可以正确解析 OP 的输入