正则表达式问题请教

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 1240 天前的主题，其中的信息可能已经有所发展或是发生改变。

有一个数据文件，每条记录都是逗号隔开，如果记录本身含有逗号，就用双引号引起来。请问怎么优雅地用正则表达式分割记录？

第 1 条附言 · 2021-06-23 15:20:16 +08:00

这该死的歧义，我的意思是整个记录用双引号引起来，而不是单单逗号引起来。
这个和 CSV 文件很类似，但是我想试试自己用表达式解决一下。
确定记录正文中不含有双引号，所以不用考虑双引号的歧义。

第 2 条附言 · 2021-06-23 15:28:32 +08:00

我之前的思路是考虑逗号的前后环境，发现这样逻辑太复杂了，换个思路简单很多，即每个记录有两种情况：1 ）不含逗号和双引号，2 ）如果含有双引号，那么一定要两个成对

逗号

双引号

记录

隔开

14 条回复 • 2021-06-23 10:44:34 +08:00

emric

2021-06-23 06:36:26 +08:00

[^\,]+|\".+\"
可行，但不知道是不是最优雅。

jupiter157

2021-06-23 07:05:36 +08:00

@emric 谢谢。测试无效，但是受你启发改成这样可行了：[^\,\"]+|\"[^\"]+\"

Mutoo

2021-06-23 07:13:50 +08:00

如果记录本身含双引号怎么办。233

ref:
https://datatracker.ietf.org/doc/html/rfc4180

toaruScar

2021-06-23 08:06:34 +08:00 via iPhone

可以用 lookahead 和 lookbehind ？
https://regular-expressions.mobi/lookaround.html?wlr=1

balabalaguguji

2021-06-23 09:34:21 +08:00

用工具调试下 https://tools.fun/regexp.html

noqwerty

2021-06-23 09:38:23 +08:00 via Android

找个 csv parser 不香吗😂

mingl0280

2021-06-23 09:48:05 +08:00 via Android

找个 csv 解析库，csv 不仅有逗号问题的。还有引号重复的问题。例如
","作为值……

dongtingyue

2021-06-23 09:53:26 +08:00

先根据逗号分隔成数组，然后循环判断前后是否是引号再拼接。这样效率应该比正则快。

tsanie

2021-06-23 10:03:20 +08:00

数据文件以逗号分隔这类的最好存储的时候先 encode，如果控制不了来源的话那就找 parser 吧

wangyzj

2021-06-23 10:03:30 +08:00

(?!\")\,(?!\")

wangyzj

2021-06-23 10:04:09 +08:00

但我更喜欢 notepad 全局替换后再单独处理
不想费脑子

yuancoder

2021-06-23 10:14:12 +08:00

$str = 'aaaa","bbb,cccc",",dddd';

$arr = preg_split('/(?!"),(?!")/', $str);

print_r($arr);

--------------------------------

Array
(
[0] => aaaa","bbb
[1] => cccc","
[2] => dddd
)

这样可以吗

jindaxia

2021-06-23 10:22:30 +08:00

不就是 csv 格式吗？后缀改成 csv 用 excel 打开！

toaruScar

2021-06-23 10:44:34 +08:00

https://regex101.com/r/Xg0Qxq/1
这样连 Capture group 都整理好了