如果值包含未转义的逗号，是否有一种简单的方法来解析 Excel、Power Query 或 VBA 中的逗号分隔键：值对？

Question

我正在使用包含约 22000 条记录的身份数据的 CSV 导出。 包含的字段之一标题为“ExtendedAttributes”，列中的每个单元格都包含逗号分隔的键值对的引号绑定字符串。 文件中的每条记录都有任意数量的扩展属性（最多约 50 个）。 我的最终目标是将这些扩展属性扩展到 Excel (2016) 中自己的列中。 我已经有了使用公式、简单的 VBA 和最近基于 Power Query 的方法将其他数据扩展到列的解决方案。

但是，我以前的解决方案都是基于易于分隔的 Key:Value 对。 在此导出中，ExtendedAttributes 字段具有：

1. 可能包含未转义/未引用逗号的值数据。 例如

   "Key1: Value1, name: surname, forename, Key2: Value2, ... "

2. 可能包含多个逗号分隔值的键，这些值也未加引号/未转义。 例如

   "Key1: Value1, emailAlias: alias1@domain, alias2@domain, alias3@domain, Key2: Value2, ... "

我通常的处理方法是，如果 Key:Value 对没有这些问题，则使用逗号分隔以将其分解为键值对，将数据转换为行，然后使用冒号分隔以填充我的新列及其PowerBI 社区页面中所述的值

这在这里不起作用，因为使用逗号分隔会破坏值。

是否有一种直接的方法可以使用（理想情况下）Power Query 将其解析为组成键：值对？ 也很高兴 go 与 VBA 或基于公式的解决方案。

我的直觉方法是尝试识别包含冒号的子字符串，并在它们前面加上一个唯一字符，然后可以将其用作分隔符。 （数据也可能包含未转义的冒号并非不可能，但我很高兴假设它没有）但是认识到这可能是一种不必要的复杂方法，我不确定如何最好地做到这一点。

我很高兴将多个逗号分隔项目的值作为一个单元保留（我以后要处理的问题）。

对于示例数据：

"Key1: Value1, name: surname, forename, emailAlias: alias1@domain, alias2@domain, alias3@domain, Key2: Value2, ... "

我想最终得到一些让我可以像这样对待数据的东西，可能使用 a: 作为示例唯一字符，然后我可以将其用作分隔符：

"Key1: Value1!name: surname, forename!emailAlias: alias1@domain, alias2@domain, alias3@domain!Key2: Value2!..."

我无法访问原始数据（供应商控制的系统），并且我的公司桌面上的数据处理工具有限（Excel 2016、VBA、PQ）。 感谢任何帮助。

Answer 1

在 Power Query 中，您可以定义 function Partition ，如下所示：

let
    Output = (str as text, sep as text) as text =>
    Text.RemoveRange(
        Text.Replace(
            Text.Combine(
                List.Transform(
                    Text.Split(str, " "),
                    each if Text.Contains(_, ":") then sep & _ else _
                ),
                " "
            ), ", " & sep, sep
        ),
    0, Text.Length(sep)
    )
in
    Output

使用分隔符的示例文本转换!

开始文字：

Key1: Value1, name: surname, forename, emailAlias: alias1@domain

1. 根据空格将字符串拆分为列表

Key1:
Value1,
name:
surname,
forename,
emailAlias:
alias1@domain

2. 在任何包含:的列表项前面加上分隔符!

!Key1:
Value1,
!name:
surname,
forename,
!emailAlias:
alias1@domain

3. 将列表组合回字符串

!Key1: Value1, !name: surname, forename, !emailAlias: alias1@domain

4. 更换, ! 与!

!Key1: Value1!name: surname, forename!emailAlias: alias1@domain

5. 删除第一个分隔符

Key1: Value1!name: surname, forename!emailAlias: alias1@domain

一旦你定义了这个 function，你可以在一个看起来像的列转换中调用它

= Table.TransformColumns(#"Prev Step", {{"ColName", each Partition(_,"!") , type text}})

Answer 2

您没有说文件记录未计入“扩展属性字段”类别...我准备了一个 function 能够分隔您讨论的那个区域。 请使用下面的代码：

Function separateKeys(x As String, sep As String) As String
  Dim arr1, arr2, i As Long, k As Long
  
  arr1 = Split(x, ": ")
  ReDim arr2(UBound(arr1))
  For i = 0 To UBound(arr1) - 1
    If arr1(i + 1) = arr1(UBound(arr1)) Then Exit For
    arr2 = Split(arr1(i + 1), " ")
    arr2(UBound(arr2) - 1) = Replace(arr2(UBound(arr2) - 1), ",", sep)
    arr1(i + 1) = Join(arr2, " ")
  Next
  separateKeys = Replace(Join(arr1, ":"), sep & " ", sep)
End Function

上面的 function 可以（可能）以跳过文件 rest 的计算的方式进行调整，或者也可以转换sep字符中的每个逗号（简单使用Replace ）。

为了测试上面的 function，请使用下一个测试Sub ：

Sub testSepKeys()
  Dim x As String, sep As String
  
  sep = "|" 'you can try something else, but improbable to appear in the processed text
  x = "Key1: Value1, name: surname, forename, emailAlias: alias1@domain, alias2@domain, alias3@domain, Key2: Value2, Value3, key3: Val1, Val2"
  Debug.Print separateKeys(x, sep)
End Sub

像全局工作方式一样，我建议在行分隔符上拆分文件，然后使用上述（改编）function 处理所有数组元素（行），最后将其加入行分隔符。 新创建的文件应该使用Workbooks.OpenText 、 DataType:=xlDelimited 、 OtherChar:=sep打开。

请测试上述 function 并发送一些反馈。