正则表达式使用换行符拆分字符串（除非它在双引号之间）

Question

我正在处理一些分隔文件。我需要做的第一件事是获取所有“行”。得到每一行后，我可以根据指定的分隔符进行拆分。因此，要获得行，我需要使用各种行名称（\r\n、\r、\n）来拆分字符串。以下内容一直有效，直到我在双引号中遇到换行符：

return content.Split(new string[] { "\r\n", "\r", "\n" }, StringSplitOptions.None);

因此，如果您考虑以下文本（我的原始文本在双引号中用 \" 而不是 "" 转义了双引号），其中每一行由一个行名称分隔，并且该行中的每个字段/列是由竖线“|”字符分隔：

string s = "row1 col1|\"row1 \"\"col2a\"\"\r\nrow1 col2b\"|row1 col3\nrow2 col1|\"row2 \"\"col2a\"\"\rrow2 \"\"col2b\"\"\"|row2 col3\r\nrow3 col1|\"row3 col2a\nrow3 col2b\"|row3 col3";

等于以下字符串：

row1 col1|"row1 ""col2a""{CRLF}row1 ""col2b"""|row1 col3{CRLF}row2 col1|"row2 ""col2a""{CRLF}row2 ""col2b"""| row2 col3{CRLF}row3 col1|"row3 col2a{CRLF}row3 col2b"|row3 col3

用我原来的方法拆分上面的结果是 5 行：

string[] result = s.Split(new string[] { "\r\n", "\r", "\n" }, StringSplitOptions.None);

但我想使用行分隔符 (\r\n, \r, \n) 将上述内容拆分为 3 行：

result[0] == "row1 col1|\"row1 \"\"col2a\"\"\r\nrow1 col2b\"|row1 col3"
result[1] == "row2 col1|\"row2 \"\"col2a\"\"\rrow2 \"\"col2b\"\"\"|row2 col3"
result[2] == "row3 col1|\"row3 col2a\nrow3 col2b\"|row3 col3"

有没有人幸运地想出一个正则表达式来分割行（引号内除外）？

感谢 Alan，这是我最终得到的结果：

public string[] GetLines (string fileContent) {
    Regex regex = new Regex(@"^([^""\r\n]*(?:(?:""[^""]*"")*[^""\r\n]*))", RegexOptions.Multiline);
    MatchCollection matchCollection = regex.Matches(fileContent);
    string[] result = new string[matchCollection.Count];
    for (int i = 0; i < matchCollection.Count; i++) {
        Match match = matchCollection[i];
        result[i] = match.Value;
    }
    return result;
}

Answer 1

我会使用Matches() 而不是Split()：

Regex r = new Regex(@"(?m)^[^""\r\n]*(?:(?:""[^""]*"")+[^""\r\n]*)*");
MatchCollection m = r.Matches(s);

内部部分(?:(?:"[^"]*")+ 匹配可能包含转义引号的双引号字符串。整个正则表达式匹配可能包含一个或多个双引号字符串的行。请注意，内部字符类 ([^"]) 可以匹配 \r 和 \n，其中外部字符类 ([^"\r\n]) 明确排除它们。 line-start 锚点（^ 在多行模式下）可防止真实匹配之间出现虚假的空匹配。

这是demo。 （它在 PCRE 中，但我也在 .NET 中对其进行了测试。）

Answer 2

你可以试试下面的正则表达式：

var fieldSeparator = "|";
var strRx = $@"""[^""\r\n]*""{fieldSeparator}[^|]+(?:\s*)";

var rx = new Regex(strRx);
var data = "row1 col1|\"row1 \\\"col2a\\\"\r\nrow1 \\\"col2b\\\"\"|row1 col3\nrow2 col1|\"row2 col2a\rrow2 col2b\"";

var m = rx.Match(data);

while (m.Success)
{
    Console.WriteLine(m.Value);
    m = m.NextMatch();
}

只需将 fieldSeparator 值替换为您要使用的任何字段分隔符即可。

上面的代码 sn -p 产生以下输出：

row1 col1
"row1 \"
col2a\"
row1 \"col2b\""
row1 col3
row2 col1
row2 col2b"