csv 如何修复正则表达式查找换行符后的非数值

b5buobof 于 2023-05-20 发布在其他

关注(0)|答案(2)|浏览(125)

我试图找出正则表达式，并使用PHP来修复csv文件。csv文件的格式应该是这样的：

id, text field1, text field2
1,some text,another text
2,some text,another text
3,some text,another text

问题是，有时，“text field1”中有一个新的行字符，csv文件的内容变成这样：

id, text field1, text field2
1,some text,another text
2,some 
text,another text
3,some text,another text

因此，当逐行阅读文件，或使用新行分解以逐行填充数组时，我会得到无效记录。我使用以下代码解决了上述问题：

<?php
$c= file_get_contents($myFile);
$c= preg_replace( '/\n([^0-9])/is', "\n~~$1", $c );
$c= str_replace( "\n~~", " ", $c );
?>

上面的正则表达式检查换行符后面的字符是否不是数字，然后在那里添加一个~~符号，我用白色替换换行符和~~符号。
问题是，有时，“文本字段1”中有数字，并且换行符就在它们之前出现，如下所示：

id, text field1, text field2
1,some text,another text
2,some 
1999-06-21 text,another text
3,some text,another text

在这种情况下，我的正则表达式没有输入~~符号，我得到了一个损坏的csv文件。
我如何修改上面的正则表达式来解决这个问题？我希望有一个正则表达式，它可以检查“非数值（任何长度）后跟逗号”。请注意，我在csv文件中有超过100000条记录，所以如果使用正则表达式方法，那么正则表达式必须检查任何长度的非数字值。
就像这样：

$c= preg_replace( '/\n([^0-9]*\,)/is', "\n~~$1", $c);

但是上面的正则表达式不起作用，我不知道多少正则表达式来让它起作用。
如果有任何其他方法来修复这个csv文件，即使是确定的。它不必是正则表达式解决方案。
谢谢

csv

来源：https://stackoverflow.com/questions/76286413/how-to-fix-regex-to-find-non-numeric-value-after-newline-character

2条答案

按热度按时间

rvpgvaaj1#

我不会一行一行地读，因为一个字符串中可以有一些新的行是完全正确的。但是这个CSV文件中缺少的是字符串周围的一些双引号。如果text field1或text field2中有逗号，会发生什么？它会破坏你的CSV甚至更多。
由于您无法更正CSV源以正确输出，我们可以根据逗号分割内容（如果我们认为您在文本中没有得到一些）。正如你所知道的，我们只有3个字段，我们知道它应该理想地匹配如下内容：

(\d+),([^,]*),([^,]*?)(?:\r?\n|$)

你可以在这里测试：https://regex101.com/r/YLnNOY/2
在PHP中：

<?php

$regex = '/(\d+),([^,]*),([^,]*?)(?:\r?\n|$)/';

$wrong_csv = 'id, text field1, text field2
1,some text,another text
2,some text,another text
3,some text,another text
1,some text,another text
2,some 
text,another text
3,some text,another text
1,some text,another text
2,some 
1999-06-21 text,another text
3,some text,another text';

$replacement = '$1, "$2", "$3"' . "\n";

$corrected_csv = preg_replace(
    $regex,
    $replacement,
    $wrong_csv
);

print $corrected_csv;

你可以在这里运行PHP demo：https://onlinephp.io/c/8aa48

赞(0）回复(0）举报 2023-05-20

tsm1rwdh2#

在这种情况下，可以使用negative lookahead：\n(?!\d+,)（替换``，跳到替换）。
它匹配任何没有紧跟number,的换行符。
结果，你的代码看起来像这样：

<?php
$c= file_get_contents($myFile);
$c= preg_replace( '/\n(?!\d+,)/g', " ", $c );
?>

演示here。
重要的是要注意，这种解决方案仍然容易出错，如果在你的单元格中的换行符后面紧跟着数字和逗号，但要深入纠正这个问题，将需要知道确切的预期格式的行，并检查它，而不仅仅是换行符。

赞(0）回复(0）举报 2023-05-20

我来回答

csv 如何修复正则表达式查找换行符后的非数值

2条答案

相关问题

热门标签

最新问答