正则表达式选择不包含在双引号中的分号答案

【问题标题】：Regex to select semicolons that are not enclosed in double quotes正则表达式选择不包含在双引号中的分号
【发布时间】：2013-06-26 22:49:00
【问题描述】：

我有类似的字符串

a;b;"aaa;;;bccc";deef

我想根据分隔符 ; 拆分字符串，前提是 ; 不在双引号内。所以分裂之后就是

 a
 b
"aaa;;;bccc"
 deef

我尝试使用look-behind，但找不到正确的正则表达式进行拆分。

【问题讨论】：

1.你真的需要使用正则表达式吗？这不是一个好的工具；状态机会更好。 2. 你基本上是在做 CSV 解析，但是用分号而不是逗号。您是否寻找过允许您使用不同分隔符的 CSV 库？

标签： regex

【解决方案1】：

正则表达式可能不是解决此问题的正确工具。如果可能的话，您应该使用 CSV 库，指定 ; 作为分隔符并指定 " 作为引号字符，这应该会为您提供您正在寻找的确切字段。

这里要说的是一种方法，它通过确保在我们正在考虑拆分的; 和字符串的结尾之间有偶数个引号来工作。

;(?=(([^"]*"){2})*[^"]*$)

示例：http://www.rubular.com/r/RyLQyR8F19

如果您可以在字符串中使用转义引号，例如a;"foo\"bar";c，这将被打破。

这是一个使用 Python 的 csv module 的更简洁的示例：

import csv, StringIO
reader = csv.reader(StringIO.StringIO('a;b;"aaa;;;bccc";deef'),
                    delimiter=';', quotechar='"')
for row in reader:
    print '\n'.join(row)

【讨论】：

但是匹配所有会比拆分简单得多："[^"]*"|[^";]+

【解决方案2】：

这有点难看，但如果你在引用的字符串中没有 \" （意味着你没有看起来像这样的字符串 ("foo bar \"badoo\" goo") 你可以拆分" 首先，然后假设所有偶数数组元素实际上都是字符串（并将奇数元素拆分为 ; 标记上的组成部分）。

如果您的字符串中*确实有 \"，那么您需要先将它们转换为其他临时令牌，稍后您将在执行操作后将其转换回来。

这是一个小提琴......

http://jsfiddle.net/VW9an/

    var str = 'abc;def;ghi"some other dogs say \\"bow; wow; wow\\". yes they do!"and another; and a fifth'

var strCp = str.replace(/\\"/g,"--##--");

var parts = strCp.split(/"/);

var allPieces = new Array();
for(var i in parts){
    if(i % 2 == 0){
        var innerParts = parts[i].split(/\;/)
        for(var j in innerParts)
            allPieces.push(innerParts[j])
    }
    else{
        allPieces.push('"' + parts[i] +'"')
    }
}

for(var a in allPieces){
 allPieces[a] = allPieces[a].replace(/--##--/g,'\\"');   
}

console.log(allPieces)

【讨论】：

【解决方案3】：

正则表达式只会变得更混乱，即使是很小的变化也会中断。您最好使用带有任何脚本语言的csv 解析器。 Perl 内置模块（如果有任何限制，则无需从 CPAN 下载）称为 Text::ParseWords 允许您指定分隔符，以便您不限于 ,。这是一个示例 sn-p：

#!/usr/local/bin/perl

use strict;
use warnings;

use Text::ParseWords;

my $string = 'a;b;"aaa;;;bccc";deef';
my @ary = parse_line(q{;}, 0, $string);

print "$_\n" for @ary;

输出

a
b
aaa;;;bccc
deef

【讨论】：

对于php，有str_getcsv
感谢@AlainTiemblo 的建议。不确定 OP 使用哪种脚本语言很舒服，所以这肯定会有所帮助！ :)

【解决方案4】：

匹配所有而不是拆分

在战斗后很久才回答，因为没有人使用我认为最简单的方式。

一旦你理解了Match All and Split are Two Sides of the Same Coin，你就可以使用这个简单的正则表达式：

"[^"]*"|[^";]+

查看Regex Demo中的匹配项。

交替的左侧| 匹配完整的引号字符串
右侧匹配任何既不是; 也不是" 的字符

【讨论】：