التعبير العادي أن تجد unescaped التنصيص في ملف CSV

Question

ما من شأنه أن التعبير العادي يكون العثور على مجموعات من 2 unescaped علامات الاقتباس المزدوجة الموجودة في الأعمدة انطلقت من علامات الاقتباس المزدوجة في ملف CSV?

ليست مباراة:

"asdf","asdf"
"", "asdf"
"asdf", ""
"adsf", "", "asdf"

المباراة:

"asdf""asdf", "asdf"
"asdf", """asdf"""
"asdf", """"

Answer 1

جرب هذا:

(?m)""(?![ \t]*(,|$))

التفسير:

(?m)       // enable multi-line matching (^ will act as the start of the line and $ will act as the end of the line (i))
""         // match two successive double quotes
(?!        // start negative look ahead
  [ \t]*   //   zero or more spaces or tabs
  (        //   open group 1
    ,      //     match a comma 
    |      //     OR
    $      //     the end of the line or string
  )        //   close group 1
)          // stop negative look ahead

حتى في سهل الانجليزية: "مباراة متتاليتين التنصيص ، إلا إذا لم يكن لديهم فاصلة أو نهاية الخط أمامهم مع اختياريا المسافات بين علامات التبويب في".

(ط) إلى جانب كونها طبيعية بداية من سلسلة و نهاية السلسلة ميتا الشخصيات.

Answer 2

بسبب تعقيد المشكلة ، الحل يعتمد على المحرك الذي تستخدمه.هذا لأن لحلها يجب استخدام ننظر وراء ونتطلع إلى الأمام و كل محرك ليست نفس واحدة هذا.

جوابي هو باستخدام روبي المحرك.فحص واحد فقط RegEx لكن كل رمز هنا شرح ذلك بصورة أفضل.

ملاحظة أنه نظرا روبي RegEx المحرك (أو المعرفة) ، الاختياري نتطلع إلى الأمام/الخلف غير ممكن.لذلك أنا بحاجة مشكلة صغيرة من مسافات قبل وبعد الفاصلة.

هنا هو بلدي رمز:

orgTexts = [
    '"asdf","asdf"',
    '"", "asdf"',
    '"asdf", ""',
    '"adsf", "", "asdf"',
    '"asdf""asdf", "asdf"',
    '"asdf", """asdf"""',
    '"asdf", """"'
]

orgTexts.each{|orgText|
    # Preprocessing - Eliminate spaces before and after comma
    # Here is needed if you may have spaces before and after a valid comma
    orgText = orgText.gsub(Regexp.new('\" *, *\"'), '","')

    # Detect valid character (non-quote and valid quote)
    resText = orgText.gsub(Regexp.new('([^\"]|^\"|\"$|(?<=,)\"|\"(?=,)|(?<=\\\\)\")'), '-')
    # resText = orgText.gsub(Regexp.new('([^\"]|(^|(?<=,)|(?<=\\\\))\"|\"($|(?=,)))'), '-')
    # [^\"]       ===> A non qoute
    # |           ===> or
    # ^\"         ===> beginning quot
    # |           ===> or
    # \"$         ===> endding quot
    # |           ===> or
    # (?<=,)\"    ===> quot just after comma
    # \"(?=,)     ===> quot just before comma
    # (?<=\\\\)\" ===> escaped quot

    #  This part is to show the invalid non-escaped quots
    print orgText
    print resText.gsub(Regexp.new('"'), '^')

    # This part is to determine if there is non-escaped quotes
    # Here is the actual matching, use this one if you don't want to know which quote is un-escaped
    isMatch = ((orgText =~ /^([^\"]|^\"|\"$|(?<=,)\"|\"(?=,)|(?<=\\\\)\")*$/) != 0).to_s
    # Basicall, it match it from start to end (^...$) there is only a valid character

    print orgText + ": " + isMatch
    print 
    print ""
    print ""
} 

عندما أعدم قانون المطبوعات:

"asdf","asdf"
-------------
"asdf","asdf": false


"","asdf"
---------
"","asdf": false


"asdf",""
---------
"asdf","": false


"adsf","","asdf"
----------------
"adsf","","asdf": false


"asdf""asdf","asdf"
-----^^------------
"asdf""asdf","asdf": true


"asdf","""asdf"""
--------^^----^^-
"asdf","""asdf""": true


"asdf",""""
--------^^-
"asdf","""": true

أتمنى أن تعطيك فكرة هنا يمكنك استخدامها مع غيرها من محرك واللغة.

Answer 3

".*"(\n|(".*",)*)

يجب أن أعمل...

Answer 4

واحد خط المباريات:

^("[^"]*"\s*,\s*)*"[^"]*""[^"]*"

أو متعدد الخطوط:

(^|\r\n)("[^\r\n"]*"\s*,\s*)*"[^\r\n"]*""[^\r\n"]*"

تحرير/ملاحظة: اعتمادا على regex المحرك المستخدم ، يمكن استخدام lookbehinds وغيرها من الأشياء لجعل regex أصغر حجما.ولكن هذا يجب أن تعمل في معظم regex محركات على ما يرام.

Answer 5

جرب هذا التعبير العادية:

"(?:[^",\\]*|\\.)*(?:""(?:[^",\\]*|\\.)*)+"

من شأنها أن تتطابق مع أي سلسلة مقتبسة مع زوج واحد على الأقل من unescaped علامات الاقتباس المزدوجة.