Espressione regolare per trovare virgolette doppie senza escape nel file CSV

Question

Quale sarebbe un'espressione regolare per trovare gruppi di 2 virgolette doppie senza escape che sono contenute in colonne con virgolette doppie in un file CSV?

Non una corrispondenza:

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

Corrispondenza:

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

Answer 1

Prova questo:

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

Spiegazione:

(?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

Quindi, in parole povere: " abbina due doppie virgolette successive, solo se NON hanno una virgola o la fine della riga davanti a loro con spazi e tabulazioni opzionali tra " .

(i) oltre ad essere i normali meta-caratteri inizio stringa e fine stringa .

Answer 2

A causa della complessità del tuo problema, la soluzione dipende dal motore che stai utilizzando. Questo perché per risolverlo è necessario guardare dietro e guardare avanti e ogni motore non è lo stesso questo

La mia risposta sta usando il motore Ruby. Il controllo è solo un RegEx ma ho estratto l'intero codice qui per spiegarlo meglio.

NOTA che, a causa del motore Ruby RegEx (o delle mie conoscenze), non è possibile guardare avanti / indietro facoltativo. Quindi ho bisogno di un piccolo problema di spazi prima e dopo la virgola.

Ecco il mio codice:

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 ""
} 

Quando eseguito, il codice viene stampato:

"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

Spero di darti un'idea che puoi usare con altri motori e altre lingue.

Answer 3

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

dovrebbe funzionare, immagino ...

Answer 4

Per le partite a riga singola:

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

o per multilinea:

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

Modifica / Nota: A seconda del motore regex utilizzato, è possibile utilizzare lookbehind e altri elementi per rendere il regex più snello. Ma questo dovrebbe funzionare bene nella maggior parte dei motori regex.

Answer 5

Prova questa espressione regolare:

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

Che corrisponderà a qualsiasi stringa tra virgolette con almeno una coppia di virgolette doppie senza caratteri di escape.