正则表达式在csv中找到缺少的双引号
我们正在处理包含非闭合双引号条目的行的csv文件。 这些炸毁了csv解析器，所以我试图整理一个正则表达式，它将识别这些行，以便我们可以在尝试处理它们之前从文件中删除它们。
在下面的示例中，csv解析器到达第2行并包含第3行中第一个双引号之前的所有内容，然后尝试关闭令牌然后爆炸，因为在“关闭”双引号之后有非空格字符下一个逗号。
示例第1行，一些数据，“好行”，处理得很好，很开心
示例第2行，一些数据，“坏线，处理不良，不开心
示例第3行，一些数据，“好行”，在此之前死亡，不开心
我想做的事情如下：
.*,"[^(",)]*[\r\n] 我们的想法是在行结束之前找到一行后跟“没有实例”的任何内容。
然而，序列的否定是行不通的。 怎么样这样呢？
注意：
由于人们一直建议基本上检查偶数双引号，因此值得注意的是，单个双引号csv条目可能包含独立双引号（例如……，“Measurement：1’2”“，…） 。
您可以使用：
int count = str.length() - str.replaceAll("\\"","").length(); if (count % 2 == 0) { // do what you want }
根据您当前的要求（包括您对"Measurement: 1' 2"" 1’2 "Measurement: 1' 2""的关注，这将选择不良线路：
^.*(?:^|,)[^",]*"(?:[^",]*(?:"[^",]*")?)+(?:$|,.*)
-
^锚定在字符串的顶部 -
.*(?:^|,)占用字符串顶部或逗号的任何字符 - 我们匹配“……
- 并且，一次或多次，
[^",]*(?:"[^",]*")?匹配既不是“或逗号”的字符，也可以是一组平衡的引号："[^",]*" - 我们要么匹配字符串的结尾，要么匹配逗号和后面的任何内容
关于转义双引号的说明
在你的输入中，你可能有包含转义双引号的双引号字符串，如下所示： "abc\"de"如果是这样，我们需要用双引号字符串替换表达式(?:"[^",]*")用更坚实的东西(?:"(?:\\"|[^"])*")
因此整个正则表达式将成为：
^.*(?:^|,)[^",]*"(?:[^",]*(?:"(?:\\"|[^"])*")?)+(?:$|,.*)
像这样的东西应该工作：
^[^"]*("[^"]*"[^"]*)*[^"]*$
您在整个地方重复看到的[^"]*表示”任意数量的非引号字符“。
("[^"]*"[^"]*)*将匹配成对的引号，而[^"]* s将匹配最终引号之前和之后的未加引号的文本。
^和$ anchors确保我们匹配整条线，而不仅仅是它的一部分。
基本上：如果有偶数引号，它将匹配。 如果有奇数引号，则会失败。
这是正则表达式的一个例子 。
如果您正在使用的任何解决方案都有选项，那么有一个更简单的方法不涉及正则表达式。 只需计算CSV行中双引号的数量即可。 如果它很奇怪，该行的引号不匹配。
这是一个正则表达式，其他人给了我框架，最终使用了一些修改：
这将匹配任何后跟的内容，“在两者之间有或没有空格，最终没有跟随”，（也有潜在的空格），最后以换行结束。
.*,[\s]*"(?!.*"[\s]*,).*\n
由于存在许多边缘情况，正则表达式并不能真正可靠地工作。 你应该尝试univocity-parsers，因为它是我所知道的唯一能正确处理未转义引号的CSV解析器。
它为您提供以下选项：
-
STOP_AT_CLOSING_QUOTE – 如果在输入中找到未转义的引号，则累积引号字符并继续将值解析为引用值，直到找到结束引号。
-
STOP_AT_DELIMITER – 如果在输入中找到未转义的引号，请将该值视为未加引号的值。 这将使解析器累积所有字符，直到在输入中找到分隔符或行结尾。
-
SKIP_VALUE – 如果在输入中找到未转义的引号，则解析内容直到找到下一个分隔符，所有内容都将生成
null。 -
RAISE_ERROR – 如果在输入中找到未转义的引号，则抛出exception
像这样用它：
CsvParserSettings settings = new CsvParserSettings(); settings.setUnescapedQuoteHandling(UnescapedQuoteHandling.STOP_AT_DELIMITER); CsvParser parser = new CsvParser(settings); for(String row[] : parser.iterate(input)){ System.out.println(Arrays.toString(row)); }
希望能帮助到你。 默认情况下，它使用STOP_AT_DELIMITER设置运行。
免责声明：我是这个图书馆的作者。 它是开源和免费的（Apache 2.0许可证）