正则表达式来修复CSV报价

Question

我有引号，像一个简单的CSV：

“东西”， “东西”， “东西”， “东西”，...

但有时我得到的CSV

“东西”， “SOM” ething “”， “S” omething”，...

，我想创建一个正则表达式来解决这个问题，有人有东西可以提供吗？

的东西，将拿出所有的东西从不是一个数字或文本字符串，但是当我拿出"我需要因为我需要这些，使限界字符串确定它不是那些..

所以从"som"ething"","s"ometh8 ing" ID期望=>"something","someth8 ing"

即时通讯使用scala，但任何解决方案将是伟大的！

谢谢!!

Answer 1

简单的解决方案

Scala中的一个简单的解决方案：

scala> val input = """"som"ething"","s"ometh8 ing"""" 
input: String = "som"ething"","s"ometh8 ing" 

scala> val values = input.split("\",\"").map(_.filter(c => c.isLetterOrDigit || c.isWhitespace)) 
values: Array[String] = Array(something, someth8 ing) 

scala> val output = values.mkString("\"", "\",\"", "\"") 
output: String = "something","someth8 ing" 

假设你从来没有","你的价值观里，但如果你那么有没有办法解决您的CSV明确反正。

这不是最优化的解决方案速度或记忆方式，但它很简单。

编辑：正则表达式的解决方案

如果你真的想一些正则表达式，可享受：

scala> input.replaceAll("""(^"|"$|","|[\p{IsAlphabetic}\p{Digit}\p{Space}])|.""", "$1") 
res17: String = "something","someth8 ing" 

这种尝试匹配开头"或输入的结束或","其他任何地方或任何你批准字符。如果其中任何一个匹配，它会转到第一个捕获组。否则，它会匹配任何字符（.），但不会将其捕获到一个组中，因此第一组保留为空。然后，将匹配的子字符串替换为$1，这是第一个捕获组的内容。

我仍然认为第一个解决方案更清晰，更易于理解。

Answer 2

import re 
csv_string = '"something","som"ething"","s"omething"' 
for each_str in re.findall(r'(.*?)[\,\n]', csv_string): 
    print(re.sub(r'\"', '', each_str) 

添加一个换行符，在字符串的结尾，这样就可以包含字符串的re.findall最后一部分