在字段中解析带有引号字符的字符串答案

【问题标题】：Parsing strings with quote characters inside fields在字段中解析带有引号字符的字符串
【发布时间】：2012-05-10 21:11:43
【问题描述】：

假设我要解析文件

$ cat toParse.txt 1 2 3 4 5 1 "2 3" 4 5 1 2" 3" 4 5

前两行很容易解析：Text::CSV 可以处理。例如，我尝试过：

使用严格；使用文本::CSV；尽管（） { 咀嚼$_; 我的 $csv = Text::CSV->new({ sep_char => ' ', quote_char => '"' , binary => 1}); $csv->解析($_); 我的@fields = $csv->fields(); 我的 $badArg = $csv->error_input(); 打印“字段[1] = $fields[1]\n”； print "错误参数：$badArg\n\n"; }

但是，如果引号字符包含在标记化字段内中，CSV 会变得非常混乱。

上面的程序打印出来：

字段[1] = 2 不好的论点：字段[1] = 2 3 不好的论点：字段[1] = 错误参数：1 2" 3" 4 5

有人有什么建议吗？我想用2" 3 " 填充最后的fields[1] ...换句话说，我想在引号字符串中不包含的任何空白处拆分行。

【问题讨论】：

我想在空格字符" " 上分割每一行，只要空格不包含在带引号的字符串中。
我认为allow_loose_quotes => 1 会做到的。
allow_loose_quotes => 1 肯定有帮助，但如果在松散引号内有 sep_char，解析器仍然会中断。
“我认为”是因为我不知道在那种情况下会发生什么。呃，好吧。正如有人所说， Text::CSV(_XS) 无论如何都不是正确的工具。而且你手上有一个非常奇怪的格式。
是的，我知道这很奇怪，但不幸的是，我必须一直处理看起来像这样的东西；数据并不总是巧妙地构造:) 我总是使用正则表达式来处理它，但我想我希望有一个更清洁的解决方案。

标签： perl csv tokenize

【解决方案1】：

你想要的不是 CSV，所以你需要编写自己的解析代码。

这应该适用于您的特定情况：

use strict;

while (<DATA>) { 
    chomp $_;
    my @fields = /([^\s"]+|(?:[^\s"]*"[^"]*"[^\s"]*)+)(?:\s|$)/g;
    print "$_\n" for @fields;
    print "\n";
}

__DATA__

1 2 3 4 5
1 "2 3" 4 5
1 2" 3 " 4 5 
1 2" 3 "4 5 
1 2" 3 "4" 5" 6
1 2" 3 "4"" 5"" 6

...其输出为：

1
2
3
4
5

1
"2 3"
4
5

1
2" 3 "
4
5

1
2" 3 "4
5

1
2" 3 "4" 5"
6

1
2" 3 "4""
5""
6

点击here进行测试。

【讨论】：

谢谢。我一直在使用 reg-ex 来解析（坏）看起来像这样的数据，我想我想知道是否有更清洁的方法来做到这一点。

【解决方案2】：

将 quote_char 更改为 " 和第三行将是

但是现在第二行将是

因此，您似乎有一行，其中 " 是引号分隔符，而另一行则不是。

因此，您正在解析的文件已损坏，您将不得不变得聪明。

【讨论】：

我想对所有三行都使用 " 引号分隔符，这将使我想要的输出分别看起来像：fields[1] = 2、fields[1] = 2 3 和 fields[1] = 2" 3 "
Eh 2" 3 " 没有发生想象如果字段分隔符是逗号
为了说明您导致解析器的困难。使用引号分隔符 ' Then 1 '2 3' 4 和 1 '2" 3 "' 4 会起作用。