我知道类似的问题已经被问了很多次，但是尝试了许多可能性后，我仍然没有找到一个百分百有效的正则表达式。
我有一个CSV文件，试图将其拆分成数组，但遇到两个问题：带引号的逗号和空元素。
CSV文件长这样：
123,2.99,AMO024,Title,"Description, more info",,123987564
我尝试使用的正则表达式是：
thisLine.split(/,(?=(?:[^\"]*\"[^\"]*\")*(?![^\"]*\"))/)
唯一的问题是在我的输出数组中，第5个元素输出为123987564而不是一个空字符串。
不使用分割字符串的方法，可以考虑直接匹配并处理所有找到的匹配项。
此表达式将：
正则表达式：(?:^|,)(?=[^"]|(")?)"?((?(1)[^"]*|[^,"]*))"?(?=,|$)
示例文本
123,2.99,AMO024,Title,"Description, more info",,123987564
使用非Java表达式的ASP示例
Set regEx = New RegExp
regEx.Global = True
regEx.IgnoreCase = True
regEx.MultiLine = True
sourcestring = "your source string"
regEx.Pattern = "(?:^|,)(?=[^""]|("")?)""?((?(1)[^""]*|[^,""]*))""?(?=,|$)"
Set Matches = regEx.Execute(sourcestring)
For z = 0 to Matches.Count-1
results = results & "Matches(" & z & ") = " & chr(34) & Server.HTMLEncode(Matches(z)) & chr(34) & chr(13)
For zz = 0 to Matches(z).SubMatches.Count-1
results = results & "Matches(" & z & ").SubMatches(" & zz & ") = " & chr(34) & Server.HTMLEncode(Matches(z).SubMatches(zz)) & chr(34) & chr(13)
next
results=Left(results,Len(results)-1) & chr(13)
next
Response.Write "<pre>" & results
使用非 Java 表达式进行匹配
Group 0 获取包括逗号在内的整个子字符串
Group 1 获取引号（如果有）
Group 2 获取不包括逗号的值
[0][0] = 123
[0][1] =
[0][2] = 123
[1][0] = ,2.99
[1][1] =
[1][2] = 2.99
[2][0] = ,AMO024
[2][1] =
[2][2] = AMO024
[3][0] = ,Title
[3][1] =
[3][2] = Title
[4][0] = ,"Description, more info"
[4][1] = "
[4][2] = Description, more info
[5][0] = ,
[5][1] =
[5][2] =
[6][0] = ,123987564
[6][1] =
[6][2] = 123987564
正如Boris指出的，CSV格式将把双引号"转义为双倍双引号""。虽然这不是原帖中提到的要求，但如果您的文本包含双倍双引号，则需要使用这个修改后的表达式：
正则表达式：(?:^|,)(?=[^"]|(")?)"?((?(1)(?:[^"]|"")*|[^,"]*))"?(?=,|$)
另请参阅：https://regex101.com/r/y8Ayag/1
还应指出，正则表达式是一种模式匹配工具，而不是解析引擎。因此，如果您的文本包含双倍双引号，则在模式匹配完成后仍将包含双倍双引号。使用这个解决方案后，您仍需要搜索双倍双引号并替换捕获的文本中的它们。
(?:^|,)(?=[^\"]|(\")?)\"?((?(1)[^\"]*|[^\"]*))\"?(?=,|$)。可以在http://regexstorm.net/tester上进行验证，并且请注意，Visual Studio喜欢“格式化”它，通过输入大量不必要的空格来破坏它。 - Sean Munsoncat mydata.csv|perl -ne 's/(?:^|,)(?=[^"]|(")?)"?((?(1)(?:[^"]|"")*|[^,"]*))"?(?=,|$)/<data>\2<\/data>/g; print;' - user1754036我在这方面做了一些工作，并想出了这个解决方案：
(?:,|\n|^)("(?:(?:"")*[^"]*)*"|[^",\n]*|(?:\n|$))
这个解决方案可以处理“好”的CSV数据，如：
"a","b",c,"d",e,f,,"g"
0: "a"
1: "b"
2: c
3: "d"
4: e
5: f
6:
7: "g"
还有更丑陋的事物，比如
"""test"" one",test' two,"""test"" 'three'","""test 'four'"""
0: """test"" one"
1: test' two
2: """test"" 'three'"
3: """test 'four'"""
这里有一个它是如何工作的解释:
(?:,|\n|^) # all values must start at the beginning of the file,
# the end of the previous line, or at a comma
( # single capture group for ease of use; CSV can be either...
" # ...(A) a double quoted string, beginning with a double quote (")
(?: # character, containing any number (0+) of
(?:"")* # escaped double quotes (""), or
[^"]* # non-double quote characters
)* # in any order and any number of times
" # and ending with a double quote character
| # ...or (B) a non-quoted value
[^",\n]* # containing any number of characters which are not
# double quotes ("), commas (,), or newlines (\n)
| # ...or (C) a single newline or end-of-file character,
# used to capture empty values at the end of
(?:\n|$) # the file or at the ends of lines
)
我来晚了，但以下是我所使用的正则表达式：
(?:,"|^")(""|[\w\W]*?)(?=",|"$)|(?:,(?!")|^(?!"))([^,]*?)(?=$|,)|(\r\n|\n)
这个模式有三个捕获组：
此模式处理以下所有内容：
如果您正在使用更强大的正则表达式，具有命名组和回溯，则我更喜欢以下内容：
(?<quoted>(?<=,"|^")(?:""|[\w\W]*?)*(?=",|"$))|(?<normal>(?<=,(?!")|^(?!"))[^,]*?(?=(?<!")$|(?<!"),))|(?<eol>\r\n|\n)
编辑
(?:^"|,")(""|[\w\W]*?)(?=",|"$)|(?:^(?!")|,(?!"))([^,]*?)(?=$|,)|(\r\n|\n)
只要您不使用JavaScript，这个稍作修改的模式可以处理第一列为空的行。由于某些原因，使用JavaScript会忽略该模式中的第二列。我无法正确处理这种边缘情况。
..., column5,。有没有办法调整那个正则表达式来匹配这些尾列呢？ - RHarrisvar pat = new System.Text.RegularExpressions.Regex(@"(?:^""|,"")(""""|[\w\W]*?)(?="",|""$)|(?:^(?!"")|,(?!""))([^,]*?)(?=$|,)|(\r\n|\n)", System.Text.RegularExpressions.RegexOptions.Multiline);
var all = pat.Matches(",one,two,\"lets test, some \"\"quotes\"\"\",three,"); 这将导致 MatchCollection(5) { [], [,two], [,"lets test, some ""quotes""], [,three], [,] }。 - bublebboy\r\n（例如："...，three\r\n和一些进一步的文本，"）。我其实从来没有得到过最后一列。感谢您的帮助。 - RHarris",","value2" 上失败了。 - Nickolay Savchenko ".+?"|[^"]+?(?=,)|(?<=,)[^"]+
对于您的值，它将创建匹配项
123
,2.99
,AMO024
,Title
"Description, more info"
,
,123987564
"[^"]+"|[^"]+?(?=,)|(?<=,)[^"]+，否则它无法正确扫描带引号的字段（在我的正则表达式版本中，即Real Studio 2012）。 - Thomas Tempelmann(?:") 轻松地扫过它们，但不幸的是，在引号结束时这并不起作用。查看链接的 Q 我发现通过加倍转义引号也并非普适的- Apple 的 Numbers 这样做，但其他应用程序可能会使用 \" 转义。此外：开头或结尾的空字段不起作用。对于开头，我在我的代码中使用了一个特殊情况，对于结尾，我将 |,$ 添加到正则表达式中。 - Thomas Tempelmann我也需要这个答案，但是我发现虽然这些答案很有用，但是有点难以理解和复制到其他语言中。下面是我想出来的最简单的表达式，用于从CSV行中提取单个列。我没有进行分割。我正在构建一个正则表达式来匹配CSV中的一列，因此我不会对行进行分割：
("([^"]*)"|[^,]*)(,|$)
这个正则表达式用于匹配CSV行中的单个列。表达式的第一个部分"([^"]*)"用于匹配带引号的条目，第二个部分[^,]*用于匹配不带引号的条目。然后可以跟随一个,或行尾$。
以下是用于测试该表达式的debuggex工具链接。
我个人尝试了许多正则表达式，但没有找到能够匹配所有情况的完美正则表达式。
我认为正则表达式很难正确配置以匹配所有情况。虽然有些人可能不喜欢命名空间（我曾经也是其中之一），但我提出了一个在 .Net 框架中的东西，每次都能以正确的方式管理每个双引号情况，且在所有情况下都给我正确的结果：
Microsoft.VisualBasic.FileIO.TextFieldParser
在这里找到它：StackOverflow
使用示例：
TextReader textReader = new StringReader(simBaseCaseScenario.GetSimStudy().Study.FilesToDeleteWhenComplete);
Microsoft.VisualBasic.FileIO.TextFieldParser textFieldParser = new TextFieldParser(textReader);
textFieldParser.SetDelimiters(new string[] { ";" });
string[] fields = textFieldParser.ReadFields();
foreach (string path in fields)
{
...
希望这能有所帮助。
",(?=([^\"]*\"[^\"]*\")*(?![^\"]*\"))"对我来说几乎可行：String text = "\",\",\",,\",,\",asdasd a,sd s,ds ds,dasda,sds,ds,\"";
String regex = ",(?=([^\"]*\"[^\"]*\")*(?![^\"]*\"))";
Pattern p = Pattern.compile(regex);
String[] split = p.split(text);
for(String s:split) {
System.out.println(s);
}
输出：
","
",a,,"
",asdasd a,sd s,ds ds,dasda,sds,ds,"
<%@ language="javascript" %>
<script language="javascript" runat="server" src="scripts/csv.js"></script>
<script language="javascript" runat="server">
var text = '123,2.99,AMO024,Title,"Description, more info",,123987564',
rows = CSV.parse(line);
Response.Write(rows[0][4]);
</script>
这里又有一个答案。 :) 由于我不能使其他答案完美工作。
我的解决方案既处理了转义引号（双重出现），也没有在匹配中包含定界符。
请注意，我一直在根据我的情况匹配'而不是"，但只需在模式中替换它们即可获得相同的效果。
代码如下（如果您使用下面的注释版本，请记得使用“忽略空格”标志/x）：
# Only include if previous char was start of string or delimiter
(?<=^|,)
(?:
# 1st option: empty quoted string (,'',)
'{2}
|
# 2nd option: nothing (,,)
(?:)
|
# 3rd option: all but quoted strings (,123,)
# (included linebreaks to allow multiline matching)
[^,'\r\n]+
|
# 4th option: quoted strings (,'123''321',)
# start pling
'
(?:
# double quote
'{2}
|
# or anything but quotes
[^']+
# at least one occurance - greedy
)+
# end pling
'
)
# Only include if next char is delimiter or end of string
(?=,|$)
单行版本：
(?<=^|,)(?:'{2}|(?:)|[^,'\r\n]+|'(?:'{2}|[^']+)+')(?=,|$)
如果您知道没有空字段（,,），那么这个表达式就很有效：
("[^"]*"|[^,]+)
就像以下示例中所示...
Set rx = new RegExp
rx.Pattern = "(""[^""]*""|[^,]+)"
rx.Global = True
Set col = rx.Execute(sText)
For n = 0 to col.Count - 1
if n > 0 Then s = s & vbCrLf
s = s & col(n)
Next
...
Set col = rx.Execute(Replace(sText, ",,", ", ,"))
...
如果您需要维护字段的完整性，可以在循环内恢复逗号并测试空格。这可能不是最有效的方法，但它能完成任务。
a "b" c最终将以CSV格式呈现为"a ""b"" c"。任何优秀的CSV解析器都需要能够处理这种情况。 - Thomas Tempelmann