正则表达式匹配两个连续的内容

Question

我收到了许多扁平文件，需要对其进行解析。其中一个文件包含评论字段，该字段经常包含双引号。

这并不是什么大问题，但问题在于该文件是一个用管道分隔的双引号限定文件！

下面我将概述我得到的字符串。

0|0.9|""|"M"|"X"|"0.2"|"This is the string with the "double" double quotes"

这是我想要的字符串。

0|0.9|""|"M"|"X"|"0.2"|"This is the string with the double double quotes"

我的想法是使用一个简单的正则表达式"(?!\|)(?<!\|)"

然而，这仍然匹配了两个连续的双引号，这构成了一个空字段。

我也尝试过

\|*"\|*

我认为这会匹配任何不邻近管道的双引号。

但是，这捕获了所有的双引号。

这似乎应该很容易，但是我卡住了。

任何帮助将不胜感激。

- Shawn Taylor

---

基于什么标准移除了 X 和 0.2？ - Asad Saeeduddin

抱歉，那是我的错误。我已经更正了。唯一要删除的是注释字段中的双引号。 - Shawn Taylor

(?<=\|")(?:[^"|]*"[^"|]*)+(?="(\||$)) 返回包含引号的任何分隔值，作为一个开始。http://www.rubular.com/r/yte3svDalb 你使用的是什么编程语言？ - Asad Saeeduddin

请在问题和运行环境中包含实际的问题，Shawn。我假设您想要删除引号？请注意，答案可能包含并非所有正则表达式引擎都具有的功能。 - Maarten Bodewes

现在是在Notepad ++中进行查找/替换。在我将它们在SSIS中处理之前，我会用PHP解析文件。我遇到的问题是，SSIS文件解析器没有处理这种情况的方法。它有可以处理它的转换，但是解析器在将该行传递到集成的下一部分之前就崩溃了。因此，我需要预处理它们。 - Shawn Taylor

Answer 1

在一般情况下，这显然是不可能的——如果评论中含有You need to use a pipe ("|") rather than < and >，该怎么办呢？但是对于99%的情况，您可以编写以下内容：

(?<!\|)"(?!\|)

匹配一个双引号，它既不是前面也不是后面跟着一个管道符号，或者更好的方法：

(?<!\||^)"(?!\||$)

还需要满足它不与字符串的任一端相邻。

- ruakh

---

如果正则表达式引擎当然可以处理零宽度的前瞻/后顾。 - Maarten Bodewes

@owlstead：是的，绝对没问题。问题中包含了(?<!，所以我认为使用它是安全的，但我可能应该明确地提到它。 - ruakh

我注意到你颠倒了前瞻和后顾之间的顺序。这个顺序很重要吗？谢谢，肖恩。 - Shawn Taylor

@ShawnTaylor：我并没有完全颠倒顺序，而是将后顾和"放在前面，将前瞻放在后面。它们的相对顺序并不重要，但它们的确切位置很重要。（例如，正则表达式（？！\|）“（？<!\|)将等同于正则表达式"，因为前瞻和后顾都只是断言"不是管道符号。） - ruakh