从 CSV 中删除列答案

【问题标题】：Remove columns from CSV从 CSV 中删除列
【发布时间】：2017-08-17 20:19:10
【问题描述】：

我对 Notepad++ 正则表达式一无所知。

这是我的 CSV 中的数据：

6454345|User1-2ds3|62562012032|324|148|9c1fe63ccd3ab234892beaf71f022be2e06b6cd1
3305611|User2-42g563dgsdbf|22023001345|0|0|c36dedfa12634e33ca8bc0ef4703c92b73d9c433  
8749412|User3-9|xgs|f|98906504456|1534|51564|411b0fdf54fe29745897288c6ad699f7be30f389

如何使用正则表达式删除第 5 列和第 6 列？第 5 列和第 6 列中的数字长度可变。

另一个问题是用户行也可以包含一个 |，使情况更糟。

我可以使用宏来解决这个问题，但文件有几百万行。

这是我想要达到的最终结果：

6454345|User1-2ds3|62562012032|9c1fe63ccd3ab234892beaf71f022be2e06b6cd1
3305611|User2-42g563dgsdbf|22023001345|c36dedfa12634e33ca8bc0ef4703c92b73d9c433
8749412|User3-9|xgs|f|98906504456|411b0fdf54fe29745897288c6ad699f7be30f389

我愿意就如何使用其他程序、命令行实用程序（Linux 或 Windows）执行此操作提出建议。

【问题讨论】：

User1-2ds3变成User2-42g563dgsdbf，User2-9xg|s变成User2-9|xgs的逻辑是什么？
@trincot 错误地复制/粘贴并在之后编辑这些行。我现在已经修复了这个例子。
User row can also contain a | 是的，如果管道是分隔符，除非在字段中转义，否则无法与分隔符区分。这意味着，没有解决方案。对不起...
这将是格式错误的 CSV，因为并非所有行都具有相同的列数。根据您将其加载到的内容，它可能有效，也可能无效。
use a Regex to remove the 5th and 6th column 但是您已经接受了一个面向 End 的解决方案...从末尾删除 |col|col|col`从头开始的第 5 和第 6 列

标签： regex database csv notepad++

【解决方案1】：

匹配\|[^|]+\|[^|]+(\|[^|]+$)

替换$1

基本上，锚定到行尾，并删除列 [-1] 和 [-2]（我假设列不能为空。如果可以，请将 + 替换为 *）

如果您需要更详细的信息，我建议您编写 Java 或 Python 脚本来手动解析和重写文件。

【讨论】：

@Austin_Anderson 实际上，在 Notepad++（至少我的版本）中，两种形式都可以工作。我更喜欢 $ 形式，因为它更标准。
你知道吗，它有效！我上次检查时一定是在旧版本上测试过。

【解决方案2】：

我已经捕获了三个组并为它们命名。如果您使用 sed 或 vimregex 之类的替换实用程序，则可以将 remove 替换为空。或者，您可以使用编程语言连接 keep_before 和 keep_after 以获得所需的结果。

^(?<keep_before>(?:[^|]+\|){3})(?<remove>(?:[^|]+\|){2})(?<keep_after>.*)$

您可能必须删除组命名并改用\1 等，具体取决于您使用的环境。

Demo

【讨论】：

【解决方案3】：

在 Notepad++ 中点击ctrl + h，然后在对话框中输入以下内容：

查找内容：\|\d+\|\d+(\|[0-9a-z]+)$

替换为：$1

搜索方式：Regular Expression

点击替换并完成。

正则表达式解释：

\|\d+：匹配第一个以 | 开头的字符串后跟数字

\|\d+ ：匹配以 | 开头的第二个字符串后跟数字

(\|[0-9a-z]+)：匹配并捕获第二个数字之后的字符串。

$ ：这将强制正则表达式搜索匹配字符串的结尾。

替换：

$1 ：将找到的字符串替换为我们在捕获的组之间拥有的任何内容，即我们在括号 (\|[0-9a-z]+) 之间拥有的任何内容

【讨论】：