我需要在 CSV 文件中搜索以未终止的双引号字符串结尾的行。
例如：
1,2,a,b,"dog","rabbit
会匹配而
1,2,a,b,"dog","rabbit","cat bird"
1,2,a,b,"dog",rabbit
不会。
我对正则表达式的经验非常有限，我唯一能想到的就是
"[^"]*$
但是，这与行尾的最后一个引号相匹配。
这将如何完成？
问问题
1959 次
4 回答
5
假设引号不能被转义，您需要测试引号的奇偶性（确保它们的数量是偶数而不是奇数）。正则表达式非常适合：
^(([^"]*"){2})*[^"]*$
这将匹配具有偶数个引号的所有行。您可以反转所有奇数字符串的结果。或者您可以([^"]*")在开头添加另一部分：
^[^"]*"(([^"]*"){2})*[^"]*$
同样，如果您可以访问不情愿的运算符而不是贪婪的运算符，则可以使用看起来更简单的表达式：
^((.*"){2})*.*$ #even
^.*"((.*"){2})*.*$ #odd
现在，如果引号可以转义，这完全是一个不同的问题，但方法是相似的：确定未转义引号的奇偶性。
于 2010-05-25T15:59:45.560 回答
4
假设字符串不能包含"，则需要匹配具有奇数个引号的字符串，如下所示：
([^"]*("[^"]*")?)*"
请注意，这很容易受到 DDOS 攻击。
这将匹配零个或多个未引用的运行集，然后是引用的字符串。
于 2010-05-25T15:59:41.730 回答
1
试试这个：
".+[^"](,|$)
这匹配一个引号（行中的任何位置），然后（贪婪地）在行尾或逗号之前添加除另一个引号之外的任何内容。
净影响是它只会匹配带有悬空引用字符串的行。
我认为它甚至可以不受“嵌套扩展攻击”的影响（我们确实生活在一个非常危险的世界......）
于 2010-05-25T16:39:24.833 回答
0
为避免“嵌套扩展”：
egrep -v '^[^"]*("[^"]*"[^"]*)*[^"]*$' my_file
于 2010-05-25T16:05:04.797 回答