regex - 根据每次确定性有限自动机达到最终状态来拆分字符串？

Question

我有一个可以通过迭代解决的问题，但我想知道是否有使用正则表达式的更优雅的解决方案和split()

我有一个字符串（excel放在剪贴板上），本质上是逗号分隔的。需要注意的是，当单元格值包含逗号时，整个单元格会用引号括起来（大概是为了转义该字符串中的逗号）。示例字符串如下：

123,12,"12,345",834,54,"1,111","98,273","1,923,002",23,"1,243"

现在，我想优雅地将此字符串拆分为单个单元格，但问题是我不能使用以逗号作为分隔符的正常拆分表达式，因为它会拆分值中包含逗号的单元格。另一种看待这个问题的方法是，如果逗号前面有偶数个引号，我只能用逗号分割。

这很容易用循环解决，但我想知道是否有一个正则表达式.split 函数能够捕获这个逻辑。为了解决这个问题，我为逻辑构造了确定性有限自动机 (DFA)。

替代文字

现在的问题被简化为以下问题：有没有办法拆分这个字符串，以便在 DFA 中每次达到最终状态（此处为状态 4）时产生一个新的数组元素（对应于 /s）？

score 0 · Accepted Answer

使用正则表达式（未转义）：(?:(?:"[^"]*")|(?:[^,]*))

使用它并调用 .NET 的 Regex.Matches() 或其他平台中的类似物。

您可以将上述内容进一步扩展为：^(?:(?:"(?<Value>[^"]*)")|(?<Value>[^,]*))(?:,(?:(?:"(?<Value>[^"]*)")|(?<Value>[^,]*)))*$

这将在 1 次中解析整个字符串，但您需要命名组和每个组的多捕获才能工作（.NET 支持它）。

score 0 · Accepted Answer

符合条件的逗号后面还有偶数个引号，并且 VBScript确实支持前瞻。尝试对此进行拆分：

",(?=(?:[^""]*""[^""]*"")*[^""]*$)"

2 回答 2