如何在忽略引号内的任何逗号的情况下用逗号分隔？ [复制]

Posted 2023-02-26

【中文标题】如何在忽略引号内的任何逗号的情况下用逗号分隔？ [复制]

【英文标题】：How can I split by commas while ignoring any comma that's inside quotes? [duplicate]

【发布时间】：2019-12-25 20:24:41

【问题描述】：

我有一个 Typescript 文件，它接受一个 csv 文件并使用以下代码对其进行拆分：

var cells = rows[i].split(",");

我现在需要解决这个问题，以便引号内的任何逗号都不会导致拆分。例如，The,"quick, brown fox", jumped 应拆分为 The、quick, brown fox 和 jumped，而不是同时拆分 quick 和 brown fox。这样做的正确方法是什么？

【问题讨论】：

这里是您正在寻找的答案：***.com/a/11457952/11945488

如果您需要解析 CSV，我强烈建议您使用 CSV 解析器。使用正则表达式很容易出现像您描述的那样的极端情况。

@Anton Bks 所以var cells = rowsTemp[i].split(/(".*?"|[^",\s]+)(?=\s*,|\s*$)/g); ？那是行不通的，它包括逗号。所以它将The, quick 拆分为The、, 和quick。

如果您选择该方法，我认为您需要使用 str.match，但是有多种解决方案。我建议检查所有这些，看看哪个最适合你的情况

@Christopher Peisert 该问题中的解决方案似乎都不适用于我正在尝试的内容

【参考方案1】：

更新：

我认为一行中的最终版本应该是：

var cells = (rows[i] + ',').split(/(?: *?([^",]+?) *?,|" *?(.+?)" *?,|( *?),)/).slice(1).reduce((a, b) => (a.length > 0 && a[a.length - 1].length < 4) ? [...a.slice(0, a.length - 1), [...a[a.length - 1], b]] : [...a, [b]], []).map(e => e.reduce((a, b) => a !== undefined ? a : b, undefined))

或者说得更漂亮：

var cells = (rows[i] + ',')
  .split(/(?: *?([^",]+?) *?,|" *?(.+?)" *?,|( *?),)/)
  .slice(1)
  .reduce(
    (a, b) => (a.length > 0 && a[a.length - 1].length < 4)
      ? [...a.slice(0, a.length - 1), [...a[a.length - 1], b]]
      : [...a, [b]],
    [],
  )
  .map(
    e => e.reduce(
      (a, b) => a !== undefined ? a : b, undefined,
    ),
  )
;

这相当长，但看起来仍然纯粹是功能性的。让我解释一下：

首先，正则表达式部分。基本上，您想要的细分可能分为 3 种可能性：

*?([^",]+?) *?,，这是一个没有" 或, 的字符串，用空格包围，后跟,。 " *?(.+?)" *?,，它是一个字符串，由一对引号和引号外不定数量的空格包围，后跟一个,。 ( *?),，是不定数量的空格，后跟一个','。

因此，由这三个联合的非捕获组拆分基本上可以让我们找到答案。

回想一下，当使用正则表达式拆分时，结果数组包括：

用分隔符分隔的字符串（正则表达式） 分隔符中的所有捕获组

在我们的例子中，分隔符填充了整个字符串，所以被分隔的字符串都是空字符串，除了最后一个想要的部分，因为没有,在它后面。因此结果数组应该是这样的：

一个空字符串 三个字符串，代表匹配的第一个分隔符的三个捕获组 一个空字符串 三个字符串，表示匹配的第二个分隔符的三个捕获组 ... 一个空字符串 最后一个想要的部分，别管了

那么为什么要简单地在末尾添加一个, 以便我们可以得到一个完美的模式呢？这就是(rows[i] + ',') 的由来。

在这种情况下，生成的数组成为由空字符串分隔的捕获组。删除第一个空字符串，它们将出现在一组 4 中，为 [第一个捕获组，第二个捕获组，第三个捕获组，空字符串]。

reduce 块的作用是将它们精确地分组为 4 个组：

  .reduce(
    (a, b) => (a.length > 0 && a[a.length - 1].length < 4)
      ? [...a.slice(0, a.length - 1), [...a[a.length - 1], b]]
      : [...a, [b]],
    [],
  )

最后，找到第一个非undefined元素（不匹配的捕获组将显示为undefined。我们的三个模式是互斥的，因为它们中的任何两个都不能同时匹配。所以正好有1个这样的元素在每个组中）在每个组中，这正是所需的部分：

  .map(
    e => e.reduce(
      (a, b) => a !== undefined ? a : b, undefined,
    ),
  )

这就完成了解决方案。

---

我认为以下就足够了：

var cells = rows[i].split(/([^",]+?|".+?") *, */).filter(e => e)

或者如果你不想要引号：

var cells = rows[i].split(/(?:([^",]+?)|"(.+?)") *, */).filter(e => e)

【讨论】：

这很接近，但我仍然遇到一些错误：它包含引号作为字符串的一部分，所以它返回"quick, brown fox"，但应该返回quick, brown fox

@Joe123，请查看我的更新。

让我想想第二个问题。

@Joe123，请查看此版本。

完美运行，感谢您的帮助！