如何使用正则表达式解析Perl中引用的CSV？

我在使用引号解析CSV数据时遇到了一些问题.我的主要问题是字段中的引号.在以下示例中,第1-4行正常工作,但5,6和7不工作.

COLLOQ_TYPE,COLLOQ_NAME,COLLOQ_CODE,XDATA
S,"BELT,FAN",003541547,
S,"BELT V,FAN",000324244,
S,SHROUD SPRING SCREW,000868265,
S,"D" REL VALVE ASSY,000771881,
S,"YBELT,"V"",000323030,
S,"YBELT,'V'",000322933,

我想避免使用Text :: CSV,因为它没有安装在目标服务器上.意识到CSV比他们看起来更复杂我正在使用Perl Cookbook中的食谱.

sub parse_csv {
  my $text = shift; #record containg CSVs
  my @columns = ();
  push(@columns ,$+) while $text =~ m{
    # The first part groups the phrase inside quotes
    "([^\"\\]*(?:\\.[^\"\\]*)*)",?
      | ([^,]+),?
      | ,
    }gx;
  push(@columns ,undef) if substr($text, -1,1) eq ',';
  return @columns ; # list of vars that was comma separated.
}

有没有人建议改进正则表达式来处理上述情况？

1> Kent Fredric..：

---

请尝试使用CPAN

您无法下载Text :: CSV的副本或CSV解析器的任何其他非基于XS的实现,并将其安装在您的本地目录或项目的lib/sub目录中,以便安装在与您的项目推出.

如果您无法在项目中存储文本文件,那么我想知道您是如何编写项目的.

http://novosial.org/perl/life-with-cpan/non-root/

应该是如何让这些在当地进入工作状态的良好指南.

不使用CPAN确实是一种灾难.

在尝试编写自己的CSV实现之前,请考虑这一点.

Text :: CSV超过一百行代码,包括修复的bug和边缘情况,从头开始重写这些只会让你了解CSV是多么糟糕.

_{注意:我很难学到这一点.花了一整天的时间才能在PHP中找到一个有效的CSV解析器,之后我发现在以后的版本中添加了一个内置的解析器.这真的很可怕.}

---

当一个简单的正则表达式已经足够时,我必须处理要求安装太阳下每个CPAN模块的初级程序员.Perl社区主张"有不止一种方法可以做到这一点",所以喷涂大型大写字母似乎只有一种方法并没有帮助那些可能真正想要发现替代方法的人.

---

您可能还想查看[Text :: xSV](http://p3rl.org/Text::xSV),这也是Pure Perl

2> draegtun..：

---

您可以使用Perl附带的Text :: ParseWords解析CSV .

use Text::ParseWords;

while () {
    chomp;
    my @f = quotewords ',', 0, $_;
    say join ":" => @f;
}

__DATA__
COLLOQ_TYPE,COLLOQ_NAME,COLLOQ_CODE,XDATA
S,"BELT,FAN",003541547,
S,"BELT V,FAN",000324244,
S,SHROUD SPRING SCREW,000868265,
S,"D" REL VALVE ASSY,000771881,
S,"YBELT,"V"",000323030,
S,"YBELT,'V'",000322933,

正确解析你的CSV ....

# => COLLOQ_TYPE:COLLOQ_NAME:COLLOQ_CODE:XDATA
# => S:BELT,FAN:003541547:
# => S:BELT V,FAN:000324244:
# => S:SHROUD SPRING SCREW:000868265:
# => S:D REL VALVE ASSY:000771881:
# => S:YBELT,V:000323030:
# => S:YBELT,'V':000322933:

我使用Text :: ParseWords的唯一问题是数据中的嵌套引号未正确转义.然而,这是错误构建的CSV数据,并会导致大多数CSV解析器出现问题;-)

你可能会注意到这一点

# S,"YBELT,"V"",000323030,

出来了(即引号下降到"V")

# S:YBELT,V:000323030:

但是,如果它像这样逃脱

# S,"YBELT,\"V\"",000323030,

那么报价将被保留

# S:YBELT,"V":000323030: