Notepad++ - 尝试重新格式化一些内容

Question

我有一个CSV，基本上每行看起来像：

06444|WidgetAdapter 6444|Description:

Here is a description.
Maybe some more.
|0

第三个字段中的文本总是不同和多变的，我试图仅替换其中所有的换行符为<br>，这样最终结果会变成

06444|WidgetAdapter 6444|Description: <br>Here is a description.<br>Maybe some more.<br>|0

编辑：

我需要消除所有换行符，使每一行成为一个合适的VALUE|VALUE|VALUE|VALUE。规范化/美化/清理它。

我的工具无法正确导入此内容，phpMyAdmin会出错等。 字段内有换行符，没有转义的双引号等。

其他字段示例：

08681|Book 08681|"Testimonial" - Person

You should buy this.|

另一个字段的示例：

39338|Itemizer||

- jmoon

---

删除我的答案，它看起来比简单的查找/替换要复杂得多... - BoltClock

看起来您需要澄清您的问题，请明确具体一些 :) - user456814

我同意BoltClock的观点。 - Alec Gorge

Answer 1

如果需要的话，可以使用正则表达式来定位这些换行符。思路是找到仅在后面跟着一个额外值的换行符，然后只匹配整行。我们可以检查当前换行符后面的值的数量是否为1模4，这样我们就知道我们在第3列：

(?:\r\n?|\n)(?=[^|]*\|[^\n\r|]*\s*(?:^(?:[^|]*\|){3}[^\n\r|]*$\s*)*\Z)

或者，附上（某些）解释：

(?:\r\n?|\n)   # Match a newline
(?=            # that is before...
    [^|]*\|[^\n\r|]*\s*               # one more separator and value
    (?:^(?:[^|]*\|){3}[^\n\r|]*$\s*)* # and some lines with 4 values.
    \Z                                # until the end of the string.
)

我无法在Notepad++上使其工作（它甚至不匹配[\r\n]），但它似乎在其他引擎上运行良好：

• Rubular（Ruby）：http://rubular.com/r/NsbTNg9vCT
• RegExr（Action Script）：http://regexr.com?2u1iu
• Regex Hero（.Net）：http://regexhero.net/tester/?id=215ac2bb-811b-48dd-8c00-6dcfadfae2f2

- Kobi

---

重要通知：这种方法对于30万行可能有点慢。 - Kobi

Answer 2

如果您知道您有4列数据，那么您可以轻松地解析它们。例如，以下是一行PHP代码，它将生成一个包含所有数据的数组。数组中的每一行都是另一个数组，其中包含所有捕获组：[0] 包含整个匹配，[1]-[4] 分别包含每一列的数据。

$pattern = '/^([^|]*)\|([^|]*)\|([^|]*)\|([^|]*)$/m';
preg_match_all($pattern, $data, $matches, PREG_SET_ORDER);

这个模式非常简单：它由4个值（不是管道符号）组成，用3个管道符号分隔。一旦你有了数据，你可以轻松地按照自己的方式重建它，例如使用{{link1：nl2br}}。
请注意，如果第一列和最后一列也可能包含换行符，则无法可靠地解析数据。

工作示例：http://ideone.com/gG0K3

- Kobi

---

我并不总是知道我是否有4列。 - jmoon

最后一列混合了\r或\n用于换行，有时是文本形式，有时是实际字符。并非每行都具有相同数量的列。很不幸，我正在尝试解决这个问题。 - jmoon

@Jmoon - 嗯...但只有第三个可能有新行吗？如果是这样，/ ^ [^ | \ r \ n] * \| [^ | \ r \ n] * \| [^ |] * \| ([^ \ r \ n] *) $ / m 可能适合您，您需要在 | 上拆分。我不确定它有多可解决...我很乐意听到更多细节 :) - Kobi