c# - 使用正则表达式像字符串一样拆分 csv

Question

我有一个正则表达式模式定义为

var pattern = ",(?=(?:[^\"]*\"[^\"]*\")*(?![^\"]*\"))";

我正在尝试拆分一些像字符串这样的 CSV 以获取字段

适用于此正则表达式的一些示例字符串是

_input[0] = ""; // expected single blank field
_input[1] = "A,B,C"; // expected three individual fields
_input[2] = "\"A,B\",C"; // expected two fields 'A,B' and C
_input[3] = "\"ABC\"\",\"Text with,\""; // expected two fields, 'ABC"', 'Text with,'
_input[4] = "\"\",ABC\",\"next_field\""; // expected two fields, '",ABC', 'next_field'

但是，这是行不通的

_input[5] = "\"\"\",ABC\",\"next_field\"";

我期待三个字段

'"', 'ABC"', 'next_field'

但是我得到了两个字段

'"",ABC', 'next_field'

任何人都可以帮助这个正则表达式吗？

我认为奇怪的是第二列在值的开头和结尾没有引号，只是在结尾。所以第一列的值为空，第二列是ABC"

谢谢， 罗布

Answer 1

我认为您需要更具体地说明您的逻辑应该如何处理双引号，因为您的要求似乎相互冲突。

我认为最接近您要实现的快速版本是这个(请注意 1)缺少双引号转义，因为我正在使用外部工具来验证正则表达式，并且 2)我已经更改如何检索匹配的值，示例见底部):

(?<Match>(?:"[^"]*"+|[^,])*)(?:,(?<Match>(?:"[^"]*"+|[^,])*))*

它有以下逻辑:

• 如果有双引号，则包含其中的所有内容，直到遇到结束双引号。
• 当到达结束双引号时，紧随其后的双引号也将包括在内。
• 如果下一个字符不是逗号，则包含它，并再次测试上面的内容。
• 如果是逗号，则当前匹配结束，逗号后开始新的匹配。

然而，上述逻辑与您对索引 4 和 5 的期望冲突，因为我得到:

[4] = '""' and 'ABC","next_field"'
[5] = '"""' and 'ABC","next_field"'

如果您能指出为什么上述逻辑不符合您的需求/期望，我将使用完全可用的正则表达式编辑我的答案。

要检索您的值，您可以这样做:

string pattern = @"(?<Match>(?:""[^""]*""+|[^,])*)(?:,(?<Match>(?:""[^""]*""+|[^,])*))*";

string[] testCases = new[]{
  @"",
  @"A,B,C",
  @"A,B"",C",
  @"ABC"",""Text with,",
  @""",ABC"",""next_field""",
  @""""",ABC"",""next_field"""
};

foreach(string testCase in testCases){
  var match = System.Text.RegularExpressions.Regex.Match(testCase, pattern);
  string[] matchedValues = match.Groups["Match"].Captures
    .Cast<System.Text.RegularExpressions.Capture>()
    .Select(c => c.Value)
    .ToArray();
}