用于删除逗号周围空格的正则表达式，引用时除外答案

【问题标题】：Regular expression to remove whitespace around a comma, except when quoted用于删除逗号周围空格的正则表达式，引用时除外
【发布时间】：2013-10-21 15:25:33
【问题描述】：

我有一个 CSV 文件，其中包含类似这样的行：

1,  4,     2, "PUBLIC, JOHN Q" ,ACTIVE , 1332

我正在寻找一个正则表达式替换，它将与这些行匹配并吐出类似这样的内容：

1,4,2,"PUBLIC, JOHN Q",ACTIVE,1332

我认为这很容易：我创建了表达式 ([ \t]+,) 并将其替换为 ,。我做了一个补充表达式(,[ \t]+) 替换为,，我认为我已经实现了右修剪和左修剪字符串的好方法。

...但后来我注意到我的"PUBLIC, JOHN Q" 现在是"PUBLIC,JOHN Q"，这不是我想要的。（注意逗号后面的空格现在已经消失了）。

什么是适当的表达方式来修剪逗号前后的空白，但保留引用的文本不变？

更新

为了澄清，我正在使用一个应用程序来处理文件。这个应用程序允许我定义多个正则表达式替换；它不提供解析功能。虽然这可能不是理想的机制，但它肯定会胜过为这个文件制作另一个应用程序。

【问题讨论】：

为什么不解析？
使用 CSV 解析器 - 不要试图重新发明轮子！查看Microsoft.VisualBasic.FileIO.TextFieldParser。
您将有一个正则表达式的怪物，因为它必须考虑检测它是否在引号之间，以及这些引号是否已被转义。正如其他评论者所说：解析，然后在没有空格的情况下重建。
可能是错误的工作工具：programmers.stackexchange.com/questions/166454/…
@Ralf 我用 C# 和 .Net 对其进行了标记，因为它具有与 perl/php/java/javascript 不同的正则表达式；我只是想澄清一下。我正在使用的应用程序是用 C# 编写的内部应用程序。

标签： c# .net regex csv replace

【解决方案1】：

如果你的工具使用的引擎是C#正则表达式引擎，那么你可以试试下面的表达式：

(?<!,\s*"(?:[^\\"]|\\")*)\s+(?!(?:[^\\"]|\\")*"\s*,)

用空字符串替换。

这些家伙的回答假设引号是平衡的，并使用计数来确定空格是否是引用值的一部分。

我的表达式查找不属于引用值的所有空格。

RegexHero Demo

【讨论】：

嗨@Sniffer (?
@lucacerone 自从我使用正则表达式已经有一段时间了，所以你需要检查 C# 文档以确保，但我记得这是一个消极的回顾。

【解决方案2】：

这样的事情可能会完成这项工作：

(?<!(^[^"]*"[^"]*(("[^"]*){2})*))[\t ]*,[ \t]*

匹配[\t ]*,[ \t]*，仅当前面没有奇数个引号时。

【讨论】：

【解决方案3】：

使用一些 CSV 库或自己解析文件会容易得多，IMO 应该是这里的首选。

但如果你真的坚持使用正则表达式，你可以使用这个：

"\s+(?=([^\"]*\"[^\"]*\")*[^\"]*$)"

并用空字符串替换它 - ""

此正则表达式匹配一个或多个空格，后跟偶数个引号。这当然只有在你有平衡报价的情况下才有效。

(?x)       # Ignore Whitespace
\s+        # One or more whitespace characters       
(?=        # Followed by 
   (          # A group - This group captures even number of quotes
     [^\"]*     # Zero or more non-quote characters
     \"         # A quote
     [^\"]*     # Zero or more non-quote characters
     \"         # A quote 
   )*         # Zero or more repetition of previous group
   [^\"]*     # Zero or more non-quote characters
   $          # Till the end
)          # Look-ahead end

【讨论】：

【解决方案4】：

        string format(string val)
        {
            if (val.StartsWith("\"")) val = " " + val;
            string[] vals = val.Split('\"');
            for (int i = 0; i < vals.Length; i += 2) vals[i] = vals[i].Replace(" ", "").Replace("\t", "");
            return string.Join("\t", vals);
        }

如果您在两者之间正确关闭带引号的字符串，这将起作用

【讨论】：

【解决方案5】：

忘记正则表达式（请参阅 Bart 对问题的评论，正则表达式不适用于 CSV）。

public static string ReduceSpaces( string input )
{
    char[] a = input.ToCharArray();
    int placeComma = 0, placeOther = 0;
    bool inQuotes = false;
    bool followedComma = true;
    foreach( char c in a ) {
        inQuotes ^= (c == '\"');
        if (c == ' ') {
            if (!followedComma)
                a[placeOther++] = c;
        }
        else if (c == ',') {
            a[placeComma++] = c;
            placeOther = placeComma;
            followedComma = true;
        }
        else {
            a[placeOther++] = c;
            placeComma = placeOther;
            followedComma = false;
        }
    }
    return new String(a, 0, placeComma);
}

演示：http://ideone.com/NEKm09

【讨论】：