Ищу регулярное выражение для поиска новых строк в кавычках в большой строке (для C #)

StackOverflow https://stackoverflow.com/questions/33063

  •  09-06-2019
  •  | 
  •  

Вопрос

У меня есть большая строка (давайте назовем ее CSV-файлом, хотя на самом деле это не так, просто сейчас так будет проще), которую я должен разобрать в коде C #.
Первый шаг процесса синтаксического анализа разбивает файл на отдельные строки, просто используя StreamReader объект и вызывающий ReadLine пока это не пройдет через файл.Однако любая заданная строка может содержать заключенный в одинарные кавычки литерал со встроенными символами новой строки.Мне нужно найти эти новые строки и временно преобразовать их в какой-либо другой вид токена или escape-последовательности, пока я не разделю файл на массив строк..тогда я смогу изменить их обратно.

Пример входных данных: 

1,2,10,99,'Some text without a newline', true, false, 90
2,1,11,98,'This text has an embedded newline 
                and continues here', true, true, 90

Я мог бы написать весь код на C #, необходимый для этого, используя string.IndexOf чтобы найти разделы в кавычках и поискать в них новые строки, но я думаю, что регулярное выражение может быть лучшим выбором (т.Е. теперь у меня есть две проблемы)

Это было полезно?

Решение

Поскольку это не настоящий CSV-файл, есть ли у него какая-либо схема?

Из вашего примера видно, что у вас есть:int, int, int, int, строка, bool, bool, int

С учетом этого создается ваша запись / объект.

Предполагая, что ваши данные хорошо сформированы (я недостаточно знаю о вашем источнике, чтобы понять, насколько обоснованно это предположение);ты мог бы:

  1. Прочитай свою реплику.
  2. Используйте конечный автомат для анализа ваших данных.
  3. Если ваша строка заканчивается, и вы разбираете строку, прочитайте следующую строку ... и продолжайте разбор.

Я бы по возможности избегал использования регулярных выражений.

Другие советы

Конечные машины для выполнения такой работы упрощаются с помощью итераторов C # 2.0.Надеюсь, это последний CSV-парсер, который я когда-либо напишу.Весь файл обрабатывается как перечислимый набор перечислимых строк, т.е.строки / столбцы.IEnumerable хорош тем, что затем он может быть обработан операторами LINQ.

public class CsvParser
{
    public char FieldDelimiter { get; set; }

    public CsvParser()
        : this(',')
    {
    }

    public CsvParser(char fieldDelimiter)
    {
        FieldDelimiter = fieldDelimiter;
    }

    public IEnumerable<IEnumerable<string>> Parse(string text)
    {
        return Parse(new StringReader(text));
    }
    public IEnumerable<IEnumerable<string>> Parse(TextReader reader)
    {
        while (reader.Peek() != -1)
            yield return parseLine(reader);
    }

    IEnumerable<string> parseLine(TextReader reader)
    {
        bool insideQuotes = false;
        StringBuilder item = new StringBuilder();

        while (reader.Peek() != -1)
        {
            char ch = (char)reader.Read();
            char? nextCh = reader.Peek() > -1 ? (char)reader.Peek() : (char?)null;

            if (!insideQuotes && ch == FieldDelimiter)
            {
                yield return item.ToString();
                item.Length = 0;
            }
            else if (!insideQuotes && ch == '\r' && nextCh == '\n') //CRLF
            {
                reader.Read(); // skip LF
                break;
            }
            else if (!insideQuotes && ch == '\n') //LF for *nix-style line endings
                break;
            else if (ch == '"' && nextCh == '"') // escaped quotes ""
            {
                item.Append('"');
                reader.Read(); // skip next "
            }
            else if (ch == '"')
                insideQuotes = !insideQuotes;
            else
                item.Append(ch);
        }
        // last one
        yield return item.ToString();
    }

}

Обратите внимание, что файл считывается посимвольно, при этом код решает, следует ли рассматривать новые строки как разделители строк или как часть строки, заключенной в кавычки.

Что, если вы поместили весь файл в переменную, а затем разделили ее на основе новых строк без кавычек?

Редактировать: Извините, я неправильно истолковал ваш пост.Если вы ищете регулярное выражение, то вот одно из них:

content = Regex.Replace(content, "'([^']*)\n([^']*)'", "'\1TOKEN\2'");

Могут быть крайние случаи и эти две проблемы, но я думаю, что большую часть времени все должно быть в порядке.Что делает регулярное выражение, так это то, что оно сначала находит любую пару одинарных кавычек, между которыми есть , и заменяет это СИМВОЛОМ, сохраняя любой текст между ними.

Но все же, я бы использовал конечный автомат, как то, что @bryansh объяснил ниже.

Лицензировано под: CC-BY-SA с атрибуция
Не связан с StackOverflow
scroll top