使用正则表达式替换 csv 列中的 \r\n答案

【问题标题】：Replace \r\n in a csv column using Regex使用正则表达式替换 csv 列中的 \r\n
【发布时间】：2014-12-22 10:54:18
【问题描述】：

我的问题如下：

我有一个 csv 文件，其中列的数据使用双引号 (") 括起来。
行尾是\r\n（十六进制值：0D0A）。

我的问题： 一个列可以包含\r\n（一般是一个带运营商返回的书面语句）。
当我想在 excel 中加载 CSV 时，这个 \r\n 被理解为一个新行。

我的问题解决方案是： 使用正则表达式执行以下逻辑：

一列以双引号开始，以双引号结束
真正的新行用 \r\n
有问题的列以双引号 (") 开头，包含 \r\n 并以双引号 (") 结束

对于找到的每个有问题的列（使用正则表达式）
将 \r\n 替换为空格（十六进制值：20）
结束

任何使用 regex 和 c# 的解决方案？

非常感谢您的帮助

【问题讨论】：

感谢您的快速评论，但我希望能够使用正则表达式完成算法。如何找到有问题的列？

标签： c# .net regex csv

【解决方案1】：

我想不出简单的方法来找到有问题的条目（并不意味着没有），但是有一种简单的方法可以找到用双引号括起来的所有条目。然后，如果它们有问题，您可以更改它们：

var result = Regex.Replace(input, @"""(?:(\r\n)|[^""])+""", delegate(Match m)
            {
                if (string.IsNullOrEmpty(m.Groups[1].Value))
                    return m.Value;
                return m.Value.Replace("\r\n", " ");
            });

可能的问题：

如果您的文件已转义双引号字符，这可能不起作用。您必须对其进行测试。

【讨论】：

【解决方案2】：

我首先假设 CSV 文件是有效的，并且双引号 " 字符不是该字段的一部分。

第一个假设对于减少这里的工作很重要。如果它不成立，您最好使用 CSV 解析器来解析文件，然后对每一列进行替换。

如果您知道双引号在 CSV 中是如何转义的，则可以通过少量修改来删除第二个假设。如果"由""指定，则将下面代码中的[^\"]更改为(?:[^\"]|\"\")。如果"由\"指定，则将下面代码中的[^\"]改为(?:[^\\\\\"]|\\\\.)。

逐行读取文件并进行如下处理：

if (Regex.IsMatch(line, "^\"?[^\"]*\"(,\"[^\"]*\")*$")) {
    // Write the current line to file with line ending
} else {
    // Write the current line to file without line ending
}

为了更容易理解，让我去掉字符串文字转义：

^"?[^"]*"(,"[^"]*")*$

对于有效的 CSV，如果该行没有任何带有新行的列，则上面的正则表达式将匹配整行/行，或者如果该行有一些带有新行的列，则该行的最后一行。我用它来检测哪一行来避免添加换行符。

【讨论】：