正則表達式沒有給我預期的結果

Question

好的，我放棄了-是時候請正則表達式專家尋求幫助了。

我正在嘗試驗證CSV文件的內容，只是看它是否看起來像預期的有效CSV數據。 我並不是要驗證所有可能的CSV表單，只是要使它“看起來像” CSV數據，而不是二進制數據，代碼文件或其他內容。

每行數據包含逗號分隔的單詞，每個單詞包含az ， 0-9和少量標點符號，即-和_ 。 文件中可能有幾行。 而已。

這是我的簡單代碼：

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);
}

這給了我一個正則表達式模式

(([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＃代碼來呈現它，則正則表達式解析器會說這是匹配項。 那個怎么樣？ C＃代碼看起來不像我的CSV模式（開始時，除了_和-以外，還有標點符號）。

誰能指出我明顯的錯誤？ 讓我重復一遍-我並不是要驗證所有可能的CSV表單，而只是驗證我的簡單子集。

Answer 1

您的正則表達式缺少^ （行的開頭）和$ （行的結尾）錨。 這意味着它將與包含該表達式描述的內容的任何文本匹配，即使該文本包含其他完全不相關的部分。

例如，此文本與表達式匹配：

foo, bar

因此，此文本還與以下內容匹配：

var result = calculate(foo, bar);

您可以看到前進的方向。

在csvDataFormat的開頭添加^ ，在結尾添加$ ，以獲取所需的行為。

Answer 2

這是一種更好的模式，用於在每行中一對多查找CSV組（例如XXX,或yyy ：

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

^ -每行的開頭

( -CSV匹配組開始

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

,? -可能是逗號

)+ -csv匹配組的末尾，其中有1個是預期的。

這將驗證整個文件，一行行的基本CSV結構，並允許空,,情況。

Answer 3

我想出了這個正則表達式：

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

測試

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

如果你想匹配空行一樣,,,或者當某些值是空白樣,abcd,,使用

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

循環瀏覽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

我認為這是您要尋找的：

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

值得注意的變化是：

• 添加了錨（ ^和$ ，因為沒有它們的正則表達式是毫無意義的
• 刪除的空格（必須與文字空格匹配，我認為這不是您想要的）
• 取代了\\s在每次出現\\s*與文字空間（因為\\s可以匹配任何空白字符，而您只希望匹配這些點實際的空間）

在此之前，您的正則表達式的基本結構看起來還不錯| 來了，把事情搞砸了。 ;）

ps，以防萬一， (?in)是一個內聯修飾符，用於設置IgnoreCase和ExplicitCapture模式。