如何使用正则表达式匹配CSV格式的字符串中的数字和数字范围？

Question

通常情况下，我喜欢正则表达式的挑战，更好的是解决它们。
但似乎我有一个我无法解决的案例。
我有一串由分号分隔的值，就像CSV行一样，它可能看起来像这样：
123-234;FOO-456;45-67;FOO-FOO;890;FOO-123;11-22;123;123;44-55;098-567;890;123-FOO;
在此行中，我想匹配所有整数和整数范围，以便稍后提取它们。可能只有单个值（没有分号）。
经过大量搜索，我设法编写了以下表达式：
(?:^|;)(?\d+-\d+)(?:$|;)|(?:^|;)(?\d+)(?:$|;)
我正在使用的测试字符串：

1. 123
2. 123-234;FOO-456;45-67;FOO-FOO;890;FOO-123;11-22;123;123;44-55;098-567;890;123-FOO;
3. 123-456
4. 123-FOO
5. FOO-123
6. FOO-FOO

第1行和第3行匹配正确，第4、5、6行匹配不正确。
在第2行中，只有两个值中的一个被正确匹配。

这里有一个链接到regex101.com的示例: https://regex101.com/r/zA7uI9/5

我还需要将整数和范围分别选择（在不同的组中）。

注意：我找到了一个问题，它可以帮助我，尝试了它的答案（通过调整），但它没有起作用。
匹配数字和数字范围的正则表达式 你有什么想法，我漏掉了什么吗？ 将“使用”此正则表达式的语言是C#，但我不知道这对我的问题是否有用。 由barlop添加 这是当前正则表达式给他的匹配项，如regex101.com链接所示

对于他的测试字符串 123-234;FOO-456;45-67;FOO-FOO;890;FOO-123;11-22;123;123;44-55;098-567;89

123-234
45-67
890
11-22
123
098-567

所以他的正则表达式似乎漏掉了其中一个123，还有44-45以及结尾处的89。

- Niitaku

---

如果你有一个类似于 CSV 的字符串，为什么不使用 CSV 解析器呢？ - Tomalak

尝试使用(?<=^|;)\d+(?:-\d+)?(?=$|;)。 - Wiktor Stribiżew

@barlop：这是一个组的名称：http://www.regular-expressions.info/named.html - Adassko

我会考虑在“;”上使用简单的字符串分割，然后逐个检查每一列。 - rrauenza

我又醒了。所以我的方法可行，但你只需要有命名组？好吧，这很容易：(?<=^|;)(?:(?<float>\d+-\d+)|(?<int>\d+))(?=$|;)。 - Wiktor Stribiżew

Answer 1

C# CSV字符串解析

使用内置的CSV解析器并分别检查每个字段：

using Microsoft.VisualBasic.FileIO;
....
var str = "123-234;FOO-456;45-67;FOO-FOO;890;FOO-123;11-22;123;123;44-55;098-567;890;123-FOO;";
var csv_parser = new TextFieldParser(new StringReader(str));
csv_parser.HasFieldsEnclosedInQuotes = false;   // Fields are not enclosed with quotes
csv_parser.SetDelimiters(";");                  // Setting delimiter
string[] fields;
var range_fields = new List<string>();
var integer_fields = new List<string>();
while (!csv_parser.EndOfData)
{
    fields = csv_parser.ReadFields();
    foreach (var field in fields)
    {
        if (!string.IsNullOrWhiteSpace(field) && field.All(x => Char.IsDigit(x)))
        {
            integer_fields.Add(field);
            Console.WriteLine(string.Format("Intger field: {0}", field));
        }
        else if (!string.IsNullOrWhiteSpace(field) && Regex.IsMatch(field, @"\d+-\d+"))
        {
             range_fields.Add(field);
             Console.WriteLine(string.Format("Range field: {0}", field));
        }
    }
}
csv_parser.Close();

结果如下：

Range field: 123-234
Range field: 45-67
Intger field: 890
Range field: 11-22
Intger field: 123
Intger field: 123
Range field: 44-55
Range field: 098-567
Intger field: 890

修正正则表达式的方法

你的正则表达式失败的原因是你实际上使用非捕获组（即(?:^|;)和(?:$|;)）来匹配定界符，并将定界符“消耗掉”了。这意味着匹配的文本被附加到匹配值上，而且正则表达式索引会被移动到分号（或字符串开头/结尾）后面的位置。

你需要使用环视语法。它们不会消耗文本，只是检查当前位置之前或之后是否能找到与环视模式匹配的文本。因此，你有机会获取重叠匹配，这是环视非常方便的一种应用场景。

(?<=^|;)((?<range>\d+-\d+)|(?<integer>\d+))(?=$|;)

这是一个支持.NET正则表达式语法的.NET正则表达式演示

下面是一张示意图：

注意使用RegexOptions.ExplicitCapture标志：这样，我们就避免了使用带编号（即未命名）捕获组获取子匹配，并且只获得命名捕获（正是我们所需要的）。

C#演示：

var s = "123-234;FOO-456;45-67;FOO-FOO;890;FOO-123;11-22;123;123;44-55;098-567;890;123-FOO;";
var rx = new Regex(@"(?<=^|;)((?<range>\d+-\d+)|(?<integer>\d+))(?=$|;)", RegexOptions.ExplicitCapture);
var result = rx.Matches(s)
        .Cast<Match>()
        .Select(x => x.Groups["range"].Success ? 
            x.Groups["range"].Value : x.Groups["integer"].Value
        ).ToList();
foreach (var x in result)
    Console.WriteLine(x);

- Wiktor Stribiżew

---

您IP地址为143.198.54.68，由于运营成本限制，当前对于免费用户的使用频率限制为每个IP每72小时10次对话，如需解除限制，请点击左下角设置图标按钮（手机用户先点击左上角菜单按钮）。 - Niitaku

我已经添加了一个C#的CSV字符串解析代码，以展示如何解析CSV。不要忘记使用using Microsoft.VisualBasic.FileIO;。 - Wiktor Stribiżew

非常感谢您首先提出CSV解析器的方法。 - Tomalak

Answer 2

我在regex101中无法轻松地查看捕获组，所以这部分可能需要一些调整，但这可以正确获取所有匹配项，并进行捕获。希望有人能发布一个改进的答案，但在此期间。

(^\d+(?=;|$))|((?<=;)\d+$)|(?<=;)\d+(?=;)|\d+-\d+

由ro yo添加的图表如下：

逻辑是：

如果匹配 (^\d+(?=;|$)) 或者 ((?<=;)\d+$) 或者 (?<=;)\d+(?=;) 或者 \d+-\d+，那么就匹配成功。

例如，以123开头（或单独出现），以123结尾，中间出现123，或者任何范围内的数字都可以匹配成功。

我无法完全理解regex101.com列出的匹配结果，但是这个正则表达式是有效的。

C:\blah>echo 123-234;FOO-456;45-67;FOO-FOO;890;FOO-123;11-22;123;123;44-55;098-567;89| grep -oP "(^\d+(?=;))|((?<=;)\d+$)|(?<=;)\d+(?=;)|\d+-\d+"

123-234
45-67
890
11-22
123
123
44-55
098-567
89

- barlop

---

我建议将表达式的第一部分从(^\d+(?=;))改为(^\d+(?=;|$))，这样如果不在列表中，就可以匹配单个整数。 - Ro Yo Mi

@barlop 感谢您提供详细的答案。这个表达式似乎正确地匹配了目标值。然而，我需要将整数与范围分开，以便在将结果连接到整数之前扩展范围。尽管如此，我非常感谢您花费时间解决我的问题。 - Niitaku

@Niitaku在这个网站上不需要感谢。虽然如果您发现有价值的内容，请为其点赞，这与感谢有些相似，但并非为了表扬努力，而是为了正确和有价值的回答或有价值的回复，尽管它可能无法解决问题。该网站的哲学之一是不说谢谢，因为当人们必须阅读它以寻找内容时，这会浪费他们的时间。 - barlop

Answer 3

说明

(?<=;|^)[0-9]+(?:-[0-9]+|(?=;|$))

这个正则表达式将会做以下事情：

• 匹配以分号分隔的数值
• 从这些数值中提取单个整数，例如 123 或者一段整数范围，例如 123-456

示例

演示版

https://regex101.com/r/oL1cN2/2

示例文本

123
123-234;FOO-456;45-67;FOO-FOO;890;FOO-123;11-22;123;123;44-55;098-567;890;123-FOO;
123-456
123-FOO
FOO-123
FOO-FOO

样例匹配

123
123-234
45-67
890
11-22
123
123
44-55
098-567
890
123-456

- Ro Yo Mi

---

你用什么生成了那张图片？ - barlop

@barlop 哈哈哈!!! 我永远不会告诉你! 好的好的好的... 它是用 http://www.debuggex.com 创建的，该网站甚至还有一个“嵌入到stackoverflow”的选项。 - Ro Yo Mi

@RoYoMi 感谢您提供这个解释得非常清楚的答案。不幸的是，我还需要使用命名组来分离数字和范围匹配。但是非常感谢您为我的问题所做的研究和付出的时间。 - Niitaku

@Tomalak 不好意思，我想我没有看到问题，因为它在实时演示中似乎可以工作。也许你能为我解释一下？ - Ro Yo Mi

匹配 098-56a。移动一个右括号。 - Tomalak