Java正则表达式删除引号之间的CRLF

Question

我有一个包含 CSV 行的字符串。它的一些值包含CRLF 字符，在下面的示例中标记为[CRLF]

注意：第 1 行：和第 2 行：不是 CSV 的一部分，仅供讨论

Line 1: 
foo1,bar1,"john[CRLF]
dose[CRLF]
blah[CRLF]
blah",harry,potter[CRLF]
Line 2:
foo2,bar2,john,dose,blah,blah,harry,potter[CRLF]

每当一行中的一个值有一个 CRLF 时，整个值就会出现在引号之间，如第 1 行所示。寻找一种方法来解决出现在引号之间的那些 CRLF。

尝试过的正则表达式，例如：

data.replaceAll("(,\".*)([\r\n]+|[\n\r]+)(.*\",)", "$1 $3");

或者只是([\r\n]+)、\n+等没有成功：该行继续显示，好像没有进行替换。

编辑：

解决方案

找到解决方案here:

String data = "\"Test Line wo line break\", \"Test Line \nwith line break\"\n\"Test Line2 wo line break\", \"Test Line2 \nwith line break\"\n";
StringBuffer result = new StringBuffer();
Matcher m = Pattern.compile("\"[^\"]*\"").matcher(data);
while (m.find()) {
    m.appendReplacement(result, m.group().replaceAll("\\R+", ""));
}
m.appendTail(result);
System.out.println(result.toString());

Answer 1

使用 Java 9+，您可以在 Matcher#replaceAll 中使用函数代码并使用此代码解决您的问题：

// pattern that captures quoted strings ignoring all escaped quotes
Pattern p = Pattern.compile("\"[^\"\\\\]*(?:\\\\.[^\"\\\\]*)*\"");

String data1 = "\"Test Line wo line break\", \"Test Line \nwith line break\"\n\"Test Line2 wo line break\", \"Test Line2 \nwith line break\"\n";

// functional code to get all quotes strings and then remove all line 
// breaks from matched substrings
String repl = p.matcher(data1).replaceAll(
   m -> m.group().replaceAll("\\R+", "")
);

System.out.println(repl);

输出：

"Test Line wo line break", "Test Line with line break"
"Test Line2 wo line break", "Test Line2 with line break"

Code Demo