正则表达式没有给我预期的结果

Question

好的，我放弃了-是时候请正则表达式专家寻求帮助了。

我正在尝试验证CSV文件的内容，只是看它是否看起来像预期的有效CSV数据。 我并不是要验证所有可能的CSV表单，只是要使它“看起来像” CSV数据，而不是二进制数据，代码文件或其他内容。

每行数据包含逗号分隔的单词，每个单词包含az ， 0-9和少量标点符号，即-和_ 。 文件中可能有几行。 而已。

这是我的简单代码：

const string dataWord = @"[a-z0-9_\-]+";
const string dataLine = "("+dataWord+@"\s*,\s*)*"+dataWord;
const string csvDataFormat = "("+dataLine+") |  (("+dataLine+@"\r\n)*"+dataLine +")";

Regex validCSVDataPattern = new Regex(csvDataFormat, RegexOptions.IgnoreCase);
protected override bool IsCorrectDataFormat(string fileContents)
{
    return validCSVDataPattern.IsMatch(fileContents);
}

这给了我一个正则表达式模式

(([a-z0-9_\-]+\s*,\s*)*[a-z0-9_\-]+) |  ((([a-z0-9_\-]+\s*,\s*)*[a-z0-9_\-]+\r\n)*([a-z0-9_\-]+\s*,\s*)*[a-z0-9_\-]+)

但是，如果我用一段C＃代码来呈现它，则正则表达式解析器会说这是匹配项。 那个怎么样？ C＃代码看起来不像我的CSV模式（开始时，除了_和-以外，还有标点符号）。

谁能指出我明显的错误？ 让我重复一遍-我并不是要验证所有可能的CSV表单，而只是验证我的简单子集。

Answer 1

您的正则表达式缺少^ （行的开头）和$ （行的结尾）锚。 这意味着它将与包含该表达式描述的内容的任何文本匹配，即使该文本包含其他完全不相关的部分。

例如，此文本与表达式匹配：

foo, bar

因此，此文本还与以下内容匹配：

var result = calculate(foo, bar);

您可以看到前进的方向。

在csvDataFormat的开头添加^ ，在结尾添加$ ，以获取所需的行为。

Answer 2

这是一种更好的模式，用于在每行中一对多查找CSV组（例如XXX,或yyy ：

^([\w\s_\-]*,?)+$

^ -每行的开头

( -CSV匹配组开始

[\\w\\s_\\-]* -每个CSV中的有效字符\\w (a-zA-Z0-9)以及_和-

,? -可能是逗号

)+ -csv匹配组的末尾，其中有1个是预期的。

这将验证整个文件，一行行的基本CSV结构，并允许空,,情况。

Answer 3

我想出了这个正则表达式：

^([a-z0-9_\-]+)(\s*)(,\s*[a-z0-9_\-]+)*$

测试

asbc_- ,   khkhkjh,    lkjlkjlkj_-,     j : PASS
asbc,                                     : FAIL
asbc_-,khkhkjh,lkjlkjlk909j_-,j           : PASS

如果你想匹配空行一样,,,或者当某些值是空白样,abcd,,使用

^([a-z0-9_\-]*)(\s*)(,\s*[a-z0-9_\-]*)*$

循环浏览所有行以查看文件是否正常：

const string dataLine = "^([a-z0-9_\-]+)(\s*)(,\s*[a-z0-9_\-]+)*$";
Regex validCSVDataPattern = new Regex(csvDataFormat, RegexOptions.IgnoreCase);
protected override bool IsCorrectDataFormat(string fileContents)
{
    string[] lines = fileContents.Split(new string[] { "\r\n", "\n" }, StringSplitOptions.None);

    foreach (var line in lines)
    {
        if (!validCSVDataPattern.IsMatch(line))
        return false;
    }

    return true;
}

Answer 4

我认为这是您要寻找的：

@"(?in)^[a-z0-9_-]+( *, *[a-z0-9_-]+)*([\r\n]+[a-z0-9_-]+( *, *[a-z0-9_-]+)*)*$"

值得注意的变化是：

• 添加了锚（ ^和$ ，因为没有它们的正则表达式是毫无意义的
• 删除的空格（必须与文字空格匹配，我认为这不是您想要的）
• 取代了\\s在每次出现\\s*与文字空间（因为\\s可以匹配任何空白字符，而您只希望匹配这些点实际的空间）

在此之前，您的正则表达式的基本结构看起来还不错| 来了，把事情搞砸了。 ;）

ps，以防万一， (?in)是一个内联修饰符，用于设置IgnoreCase和ExplicitCapture模式。