删除内容换行符 tsv答案

【问题标题】：Remove content line breaks tsv删除内容换行符 tsv
【发布时间】：2014-06-12 04:37:40
【问题描述】：

我正在尝试清理 TSV 文件（从 excel 电子表格复制）以读入 PHP。

我需要做的是从 TSV 的内容部分删除任何换行符，但不是每行末尾的换行符，知道如何通过使用正则表达式或其他函数来完成。

示例数据（我已突出显示选项卡）：

[tab]Some tab seperated data[tab]"
Here is some text that someone has used alt+enter to insert a new line into
• One.
• Two
• Three
"[tab][tab][tab][tab]Some data[tab][tab]Some other data[final-line-break]

编辑：经过进一步调查，如果 excel 在实际单元格值中遇到“，它会将其分隔为“”，这将导致下面的正则表达式出现问题，还有其他人有解决方案吗？

【问题讨论】：

也就是说，要去掉双引号之间的换行符吗？
是的 - 这是一种更简单的表达方式！
我们能在引用的内容之外找到转义的引号""吗？
如果单元格有双引号但没有换行，双引号不会被转义。如果单元格有双引号和新行，则整个单元格将用双引号括起来，并且双引号将被转义。
好的，现在更清楚了。我会为此更新我的模式。最后一件事，一行的第一个单元格是否由制表符在左侧分隔？（或者什么都没有？）

标签： php regex excel tsv

【解决方案1】：

我的解决方法：

/\n(.+\n[^\t])+.+/

使用上面的模式，您可以准确地抓取您提到的引号之间的字符串。

从这里您可以使用 preg 匹配和模式来获取引号之间的字符串。然后根据需要使用 pre_replace 替换新行。

preg_replace("/\n/", "", $match);

【讨论】：

【解决方案2】：

主要的困难是区分开引号和闭引号。

你可以使用这个替换（我放了一个#作为替换字符串只是为了看看，你显然可以使用你想要的，一个空格，一个空字符串......）：

$pattern = <<<'EOD'
~
(?:            # entry points:
    (?!\A)\G   #   - contiguous to a precedent match
  |            #   OR
    (?:^|\t)"  #"# - quote preceded by a start of line or a tab 
)

(?>
    [^\r\n"\t]+ #"# all execpt tabs, newlines and quotes
  |
    ""          # escaped quote
)*
\K              # remove all on the left from match result
(?:
    \R          # newline
  |
    "(*SKIP)(?!) #"# closing quote (skipped)
)
~xm
EOD;

$data = preg_replace($pattern, '#', $data);

比赛只能从两个入口点之一开始。第一场比赛使用开场引号，下一场比赛使用(?!\A)\G 入口点。 \G 是先例匹配结束的锚点，但由于它也可以匹配字符串的开头，所以我添加了(?!\A) 这意味着 后面没有字符串的开头以避免这种可能性。

\K 会从匹配结果中删除之前匹配的所有内容。有了这个技巧，左边的任何东西都不会被替换。

\R 代表换行符，与操作系统无关（但是，我认为在您的情况下它可能是 \r\n）。

" 将匹配结束引号。但是由于您不想替换它，所以我强制模式以(?!) 失败（后面没有任何内容）。

(*SKIP) 回溯控制动词禁止重试之前匹配的字符以防失败。这非常有用，因为没有它，结束引号可以在下一次迭代中被模式视为新的开始引号。这样，正则表达式引擎将仅在结束报价之后继续搜索。

【讨论】：