"解析格式错误的 CSV"

Question

我正在尝试使用正则表达式来解析格式错误的 CSV 文件。

这些字段是：

• 仅当值中有逗号时才双引号，并且
• 然后双引号将被转义。

鉴于：

Greeting,"hello" world,"hello, world","hello, ""peter""",19.99

...应该输出：

Greeting ， "hello" world ， hello, world ， hello, "peter" ， 19.99

我试过的正则表达式：

(?:^|,)(".+"|[^,]*)(?=,|$)

我不确定如何在双引号值中匹配逗号和转义双引号

Answer 1

我认为您需要做的是字符串搜索和正则表达式的组合。

搜索双引号，然后搜索下一个双引号（右引号）。 正则表达式如果中间有字母，将其提取为一个单词，否则继续搜索结束双引号。 然后将其提取为字符串。

然后正则表达式剩下的。 这可能不是一个很好的解决方案，但它应该可以工作。

Answer 2

这是很多工作。

实现这一点的最简单方法是保留源文本中出现的所有引号，然后在解析字段后对其进行清理。

如果可能，不应使用正则表达式来解析 CSV。

var csv = "Greeting,\"hello\" world,\"hello, world\",\"hello, \"\"peter\"\"\",19.99";

// parse CSV while keeping all quotes
var csvLine = CsvReaderKeepQuotes.ParseLine(new StringReader(csv));

// sanitize fields with quotes
csvLine = csvLine.Select(x =>
{
    // if field was quoted completely
    if (x.Length >= 2 && x[0] == '"' && x[x.Length -1] == '"')
    {
        // remove outer quotes
        var tmp = x.Substring(1, x.Length - 2);

        // replace double quotes
        tmp = tmp.Replace("\"\"", "\"");

        return tmp;
    }

    // field was not quoted
    return x;

}).ToList();

public class CsvReaderKeepQuotes
{

    public static List<String> ParseLine(StringReader r) 
    {
        int ch = r.Read();
        while (ch == '\r') {
            //ignore linefeed chars wherever, particularly just before end of file
            ch = r.Read();
        }
        if (ch < 0) {
            return new List<string>();
        }

        var store = new List<string>();
        var curValSb = new StringBuilder();
        bool inquotes = false;
    
        while (ch >= 0)
        {
            if (inquotes)
            {
                if (ch == '\"')
                {
                    inquotes = false;
                }

                curValSb.Append((char)ch);
            }
            else
            {
                if (ch == '\"')
                {
                    inquotes = true;
                    curValSb.Append('\"');
                }
                else if (ch == ',')
                {
                    store.Add(curValSb.ToString());
                    curValSb.Clear();
          
                }
                else if (ch == '\r')
                {
                    //ignore LF characters
                }
                else if (ch == '\n')
                {
                    //end of a line, break out
                    break;
                }
                else
                {
                    curValSb.Append((char)ch);
                }
            }
            ch = r.Read();
        }
        store.Add(curValSb.ToString());
        return store;
    }

}