C# 用正则表达式替换

Question

我是 VB、C# 的新手，并且正在努力使用正则表达式。我想我有以下代码格式可以用我的文件中的空格替换正则表达式匹配。

编辑：每个 cmets，此代码块已更改。

var fileContents = System.IO.File.ReadAllText(@"C:\path\to\file.csv");

fileContents = fileContents.Replace(fileContents, @"regex", "");

regex = new Regex(pattern);
regex.Replace(filecontents, "");
System.IO.File.WriteAllText(@"C:\path\to\file.csv", fileContents);

我的文件格式如下：

"1111111","22222222222","Text that may, have a comma, or two","2014-09-01",,,,,,

到目前为止，我有正则表达式在 ," 和 ", 之间找到任何包含逗号的字符串（第一个或最后一个单元格中从来没有逗号，所以我不担心排除这两个。我在Expresso 中测试正则表达式

(?<=,")([^"]+,[^"]+)(?=",)

我只是不确定如何将该逗号分隔为需要替换的内容。最好的方法是什么？

已解决： 结合 [^"]+ 与后视/前视：

(?<=,"[^"]+)(,)(?=[^"]+",)

最终编辑： 这是我最终的完整解决方案：

//read file contents
var fileContents = System.IO.File.ReadAllText(@"C:\path\to\file.csv");

//find all commas between double quotes
var regex = new Regex("(?<=,\")([^\"]+,[^\"]+(?=\",)");

//replace all commas with ""
fileContents = regex.Replace(fileContents, m => m.ToString().Replace(",", ""));

//write result back to file
System.IO.File.WriteAllText(@"C:\path\to\file.csv", fileContents);

Answer 1

通过将 [^"]+ 与前向 ?= 和后向 ?<= 组合来解决此问题，以便它找到以 ,"[anything that's not double quotes, one or more times] 开头的字符串，然后有一个逗号，然后以 [anything that's not double quotes, one or more times]", 结尾

(?

Answer 2

尝试用这个解析出所有列：

 Regex regex = new Regex("(?<=\").*?(?=\")");

那么你可以这样做：

 foreach(Match match in regex.Matches(filecontents))
 {
      fileContents = fileContents.Replace(match.ToString(), match.ToString().Replace(",",string.Empty))
 }

可能没有那么快，但应该可以。

Answer 3

我可能会使用 Regex.Replace 的重载，它需要一个委托来返回替换的文本。 当您有一个简单的正则表达式来识别模式但您需要为替换做一些不那么简单（复杂逻辑）的事情时，这很有用。

我发现让你的正则表达式保持简单会在你以后尝试维护它们时带来好处。

注意：这类似于@Florian 的回答，但此替换将自身限制为仅在匹配的文本中进行替换。

string exp = "(?<=,\")([^\"]+,[^\"]+)(?=\",)";
var regex = new Regex(exp); 
string replacedtext = regex.Replace(filecontents, m => m.ToString().Replace(",",""))

Answer 4

你所拥有的是一种不规则的语言。这是因为逗号可能意味着不同的东西，具体取决于它在文本流中的位置。奇怪的正则表达式旨在解析正则语言，其中逗号表示相同的意思，而不管它在文本流中的什么位置。不规则语言需要的是解析器。事实上，正则表达式主要用于在将字符串输入解析器之前对其进行标记。

虽然您尝试做的事情可以使用正则表达式来完成，但它可能会非常慢。例如，您可以使用以下内容（即使逗号是字段中的第一个或最后一个字符也可以使用）。但是，每次找到逗号时，它都必须前后扫描以检查它是否在两个引号字符之间。

 (?<=,"[^"]*),(?=[^"]*",)

另请注意，它们可能是您尚未发现的这种方法的缺陷。我不知道您是否有此问题，但通常在 CSV 文件中，您可以在字段中间使用引号字符，其中可能还有逗号。在这些情况下，像 MS Excel 这样的应用程序通常会将引号加倍以表明它不是字段的结尾。像这样：

"1111111","22222222222","Text that may, have a comma, Quote"" or two","2014-09-01",,,,,,

在这种情况下，您将无法使用正则表达式。

谢天谢地，处理 CSV 文件的代码非常简单：

    public static IList<string> ParseCSVLine(string csvLine)
    {
        List<string> result = new List<string>();
        StringBuilder buffer = new StringBuilder();

        bool inQuotes = false;
        char lastChar = '\0';

        foreach (char c in csvLine)
        {
            switch (c)
            {
                case '"':
                    if (inQuotes)
                    {
                        inQuotes = false;
                    }
                    else
                    {
                        if (lastChar == '"')
                        {
                            buffer.Append('"');
                        }
                        inQuotes = true;
                    }
                    break;

                case ',':
                    if (inQuotes)
                    {
                        buffer.Append(',');
                    }
                    else
                    {
                        result.Add(buffer.ToString());
                        buffer.Clear();
                    }
                    break;

                default:
                    buffer.Append(c);
                    break;
            }

            lastChar = c;
        }
        result.Add(buffer.ToString());
        buffer.Clear();

        return result;
    }

附言。 CSV 文件经常遇到另外几个问题，我给出的代码无法解决这些问题。首先是如果一个字段的中间有一个行尾字符会发生什么？其次是你怎么知道 CSV 文件的字符编码是什么？这两个问题中的前者很容易通过稍微修改我的代码来解决。但是，如果不与向您提供文件的人达成某种协议，第二个几乎是不可能的。