在字段内使用逗号解析 CSV 文件答案

【问题标题】：Parse CSV file with commas inside fields在字段内使用逗号解析 CSV 文件
【发布时间】：2014-10-22 01:45:42
【问题描述】：

我刚收到同事发来的文件，不知道如何解析：

输入：

key,value1,"value2,hello"

期望的输出：

key,value2

Perl 或 Python 是我理解的语言。

谢谢，伯纳多

【问题讨论】：

到目前为止你有什么尝试？你使用什么工具？看起来awk 或sed 可以很容易地做到这一点，你试过使用它们吗？

标签： python regex perl parsing module

【解决方案1】：

标准 Perl 模块 Text::ParseWords 可用于处理 CSV 文件。

#!/usr/bin/perl

use strict;
use warnings;

use Text::ParseWords;

while (<DATA>) {
  my @fields = parse_line(',', 0, $_);

  # Do something useful with the data in @fields
  print join ' | ', @fields;
}
__DATA__
key,value1,"value2,hello"

【讨论】：

【解决方案2】：

这是valid CSV syntax，因此您可以使用 CSV 解析器。

您没有指定您使用的语言，但大多数都有一个 CSV 解析器在类库中很容易获得（例如，.NET 中的TextFieldParser）或作为外部组件（例如，Apache 中的CSVParser Java 的 Commons）。

如果你确实想重新发明轮子（我不推荐这样做），算法很简单：

result = "", inQuotes = false
read next character
if end-of-line:
    if inQuotes:
        throw error (unmatched quotes)
    yield result
    return
else if character = '"':
    invert inQuotes
else if character = ',' and not inQuotes:
    yield result
    result = ""
else:
    result += character

【讨论】：

【解决方案3】：

使用正则表达式的最佳方法：

[^,"]+|"(?:[^"]|"")+"

Debuggex Demo

【讨论】：

根据the CSV standard，反斜杠在CSV中没有特殊含义。引号内的引号将通过重复进行转义。
这不考虑不匹配的引号，如果您有一个空值test,,test2，也不会返回空查找。您可以将其更改为[^,"]*|"(?:[^"]|"")*"，但即使存在匹配项，也会为您提供空匹配项（正则表达式特权）。
感谢@Heinzi，已相应更改。

【解决方案4】：

如果你想在这个任务中使用正则表达式，以下应该可以工作：

(\S+,)\d+,\"(\d+),\S+\"

(\S+,) 是第一个捕获组，它选择第一个键，包括逗号。后面是一些数字、逗号和引号\d+,\"。第二个捕获组(\d+)选择第二个值，后跟逗号、字符串和引号：,\D+\"

但正如其他人已经写的那样，还有其他不涉及正则表达式的解决方案。

【讨论】：

【解决方案5】：

(.*?)\,.*?\"(.*?)\,.*

你可以试试这个。

查看演示。

http://regex101.com/r/rI6jZ0/2

【讨论】：