RegExp 适用于 String.match，但不适用于 String.split答案

【问题标题】：RegExp works with String.match, but does not work with String.splitRegExp 适用于 String.match，但不适用于 String.split
【发布时间】：2014-09-23 16:44:09
【问题描述】：

我有一个需要解析的 CSV 文件类型。以下正是我需要考虑的条件（缺少列标题、引号内的换行符、缺少数据等）：

ID,NAME,TITLE,DESCRIPTION,,
PRO1234,"JOHN SMITH",ENGINEER,"JOHN HAS BEEN WORKING

HARD ON BEING A GOOD

SERVENT."
PRO1235,"KEITH SMITH",ENGINEER,"keith has been working

hard on being a good

servent."
PRO1235,"KENNY SMITH",,"keith has been working

hard on being a good

servent."
PRO1235,"RICK SMITH",,,

您会注意到说明中有换行符以及新数据行的换行符。

我编写了这个正则表达式来查找引号之外的换行符，它非常有效here

代码，使用 Node.js：

var fs = require('fs');

function parseCSV(filename){
    var rx = new RegExp(/\n(?=([^"\\]*(\\.|"([^"\\]*\\.)*[^"\\]*"))*[^"]*$)/g);
    var strFile = fs.readFileSync(filename).toString();
    console.log("line feed count via match: " + strFile.match(rx).length);
    var csv = strFile.split(rx);

    console.log("csv length: " + csv.length);
    console.log("csv items ###############################");
    csv.forEach(function(e,i,a){
        console.log("item e: " + e);
    });
}

当我运行此程序时，您会看到换行数（通过匹配找到的换行）是正确的，即 4。然而，当使用 String.split() 相同的 ret 时，它返回 17 并且结果数组是不稳定的：

line feed count via match: 4
csv length: 17
csv items ###############################
item e: ID,NAME,TITLE,DESCRIPTION,,
item e: 
PRO1235,"RICK SMITH"
item e: "RICK SMITH"
item e: undefined
item e: PRO1234,"JOHN SMITH",ENGINEER,"JOHN HAS BEEN WORKING

HARD ON BEING A GOOD

SERVENT."
item e: 
PRO1235,"RICK SMITH"
item e: "RICK SMITH"
item e: undefined
item e: PRO1235,"KEITH SMITH",ENGINEER,"keith has been working

hard on being a good

servent."
item e: 
PRO1235,"RICK SMITH"
item e: "RICK SMITH"
item e: undefined
item e: PRO1235,"KENNY SMITH",,"keith has been working

hard on being a good

servent."
item e: PRO1235,"RICK SMITH"
item e: "RICK SMITH"
item e: undefined
item e: PRO1235,"RICK SMITH",,,

我在拆分时做错了什么？我的想法是，如果我可以识别 4 个与 match() 完美配合的换行符，那么同一个正则表达式应该提供“拆分”字符串的位置。

【问题讨论】：

重新发明轮子的经典案例。 Why not use a dedicated CSV parser for this?
首先你不能从它们中间开始解析字符串。
sln - 你能解释一下你的评论吗？如果我正在调用 string.split(regExp)，我如何解析中间的字符串？
您是否尝试解析 csv 文件？如果是这样，这个正则表达式将在有/没有你的换行问题的情况下处理它。 /(?:(?:^|,|\r?\n)\s*)(?:"([^"\\]*(?:\\[\S\s][^"\\]*)*)"(?:\s*(?:(?=,|\r?\n)|$))|([^,]*)(?:\s*(?:(?=,)|$)))/字段值为$1$2

标签： javascript regex string split match

【解决方案1】：

您的捕获组过多。 Split 将在拆分字符串时返回捕获的组。考虑以下简单示例：

var simpleString = "111aaa222bbb";
var regxNoCaptureGroup = /\d+/;
var regxWithCaptureGroup = /(\d+)/;
var regxWithNoncapturingGroup = /(?:\d+)/;

simpleString.split(regxNoCaptureGroup); //["", "aaa", "bbb"]
simpleString.split(regxWithNoncapturingGroup); //same as above
simpleString.split(regxWithCaptureGroup); //["", "111", "aaa", "222", "bbb"]  - includes captured groups

您在捕获组中有捕获组。请记住， split 将找到组，并将其删除以找到拆分部分，因此围绕数字拆分（如第一个示例中所示）将仅返回字母。在您的情况下，它将删除捕获的任何内容。使用捕获组，它会在结果中返回它们 - 因此，如果您计划将 split 与正则表达式一起使用，您可能应该构建一个只捕获所需内容的好的正则表达式。

【讨论】：

谢谢 Etai，我会看看我的 regExp - 感谢您的解释和时间 - 它确实有道理。
np。由于它回答了您有关拆分与匹配的问题，请随时将其标记为已接受的答案:)

【解决方案2】：

感谢 anubhava 的回答，效果很好：

var $ = jQuery = require('jquery');
var csv = require('./jquery.csv-0.71.min.js');
var fs = require('fs');

var strFile = fs.readFileSync("./data/TestData.csv").toString();
var obj = $.csv.toObjects(strFile);
var str = JSON.stringify(obj, null, 4);

console.log("str: " + str);

谁不喜欢一套新的轮子？

在我的辩护中，我在 node 上尝试了 3 个工具，所有 3 个工具都是为最简单的情况和原始状态的文件编写的。

【讨论】：