代码之家 › 专栏 › 技术社区 › slugolicious

如何处理正则表达式搜索字符串中嵌入的逗号和引号

visual-studio-code regex

slugolicious · 技术社区 · 6 年前

我有一个csv文件,我想转换

Lorem ipsum dolor sit amet, consectetuer adipiscing elit, maecenas porttitor congue massa

到

<text>
   <name>Lorem ipsum dolor sit amet</name>
   <element>consectetuer adipiscing elit</element>
   <desc> maecenas porttitor congue massa</desc>
</text>

我可以完成这个简单的案例,搜索表达式是:

^([^,]*),([^,]*),([^,]*),

^ -查找行的开头
([^,]*), -查找零个或多个字符不一个逗号,后跟一个逗号,并将其分组(执行3次)

替换表达式为:

<text>\n   <name>$1</name>\n   <element>$2</element>\n   <desc>$3</desc>\n</test>\n

这适用于简单的情况。但是,有时csv中的值嵌入了逗号,在这种情况下,该值周围有引号。

Lorem ipsum dolor sit amet, "consectetuer, adipiscing elit", maecenas porttitor congue massa

因此,第二个值(它将是一个<element>)最终应为:

<text>
   <name>Lorem ipsum dolor sit amet</name>
   <element>consectetuer, adipiscing elit</element>
   <desc> maecenas porttitor congue massa</desc>
</text>

也就是说,<element>应该有嵌入的逗号。我不需要保留报价。

然后为了使它更混乱,字符串还可能包含引号,引号用引号转义(或者至少csv是这样给我的,它是从google工作表生成并保存为csv的)

Lorem ipsum dolor sit amet, "and he said, ""no way!"", to my astonishment", maecenas porttitor congue massa

最后我想说:

<text>
   <name>Lorem ipsum dolor sit amet</name>
   <element>and he said, "no way!", to my astonishment</element>
   <desc> maecenas porttitor congue massa</desc>
</text>

因此,<element>应该有嵌入的逗号和转义引号(删除转义字符,这是第二个引号)。

我在尝试创建搜索正则表达式时迷失了方向。

2 回复 | 直到 6 年前

zzxyz 6 年前

以下几点应该管用:

^\s* ( " (?:[^"]|(?:""))*" |(?:[^,]*)), \s*(" (?:[^"]|(?:""))*" |(?:[^,]*)), \s*(" (?:[^"]|(?:""))*" |(?:[^,]*))

基本上是相同的模式…重复3次。空白,后跟捕获组,捕获组可以是非逗号序列,也可以是 " 然后是(任何不是 “ 或A "" ,最后是结束引号。

您需要检查下面链接中的“忽略空白”按钮。

regex storm

使用{3}符号而不是重复模式3次可以工作,甚至可以用来替换“”,但是我有点不确定如何通过ui获得重复的捕获组

-1

Krishna 6 年前

我不是visual studio代码专家。但我认为这是可以做到的 没有regex

下面的python代码应该会给出一个想法

关键是在引号配对之前忽略逗号。

data = 'Lorem ipsum dolor sit amet, "and he said, ""no way!"", to my astonishment", maecenas porttitor congue massa'
items = data.split(',')
result = []

for i in range(len(items)):
    if (len(result) == 0):
        result.append(items[i])
        continue

    # If last item has odd number of quotes, it needs pairing - Ignore commas
    if (result[-1].count('"') % 2):
        # Append to last element
        result[-1] += ',' + items[i]
    else:
        result.append(items[i])

print("\n".join(result))

产量

Lorem ipsum dolor sit amet
 "and he said, ""no way!"", to my astonishment"
 maecenas porttitor congue massa

如果你需要更多的代码解释请告诉我