如何处理正则表达式搜索字符串中的嵌入式逗号和引号

Question

我有一个CSV文件，我想转换

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

至

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

我可以通过以下搜索表达式来完成这个简单的案例：

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

• ^ -寻找行的开头
• ([^,]*), -查找零个或多个不是逗号的字符，后跟一个逗号并将其分组（执行3次）

并且替换表达式为：

<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中的一个值会嵌入逗号，在这种情况下，该值周围会带有引号。

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

因此，第二个值（将是一个<element>）应该以：

<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>应该具有嵌入式逗号。 我不需要保留报价。

然后，使其变得更混乱，该字符串可能还包含引号，并用引号将其转义（或者至少这是从Google工作表生成并保存为CSV的CSV格式）

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

我要结束于：

<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>应该具有嵌入式逗号和转义引号（已删除转义字符，这是第二个引号）。

我迷上了尝试创建搜索正则表达式的过程。

Answer 1

遵循以下原则应该可以：

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

基本上是相同的模式...重复了3次。 空格，后跟一个捕获组，该捕获组可以是一系列非逗号，或者最好是一个"之后是（任何非" ）或"" ，最后是一个引号。

您需要在下面的链接中选中“忽略空白”按钮。

正则表达式风暴

使用{3}表示法而不是重复模式3次是可以的，甚至可以用来代替“”，但是我不确定如何通过UI进入重复的捕获组。

Answer 2

我不是视觉工作室代码专家。 但是我认为没有正则表达式就可以做到

以下python代码应该给一个想法

关键是忽略逗号，直到引号配对为止。

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))

输出量

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

如果您需要有关代码的更多说明，请告诉我