В ответах выше не обсуждается многомерное разбиение массивов, которое возможно с использованием знаменитого пакета numpy:
Нарезка также применяется к многомерным массивам.
# Here, a is a numpy array
>>> a
array([[ 1, 2, 3, 4],
[ 5, 6, 7, 8],
[ 9, 10, 11, 12]])
>>> a[:2,0:3:2]
array([[1, 3],
[5, 7]])
Параметр «: 2» перед запятой работает с первым измерением и «0: 3: 2» после того, как запятая работает во втором измерении.
Это будет соответствовать любой строке вплоть до первого некоманда «,». Это то, что вы хотите?
/^([^"]|"[^"]*")*?(,)/
Если вы хотите всех (и в качестве контр-примера для парня, который сказал, что это невозможно), вы можете написать:
/(,)(?=(?:[^"]|"[^"]*")*$)/
, который будет соответствовать всем им. Таким образом,
'test, a "comma,", bob, ",sam,",here'.gsub(/(,)(?=(?:[^"]|"[^"]*")*$)/,';')
заменяет все запятые не внутри кавычек с точкой с запятой и выдает:
'test; a "comma,"; bob; ",sam,";here'
Если вам нужно, чтобы он работал через разрывы строк просто добавьте флаг m (многострочный).
Следующие регулярные выражения будут соответствовать всем запятым, которые присутствуют вне двойных кавычек,
,(?=(?:[^"]*"[^"]*")*[^"]*$)
ИЛИ (только для PCRE)
"[^"]*"(*SKIP)(*F)|,
"[^"]*"
соответствует всем блокам с двойными кавычками. То есть в этом входе buz,"bar,foo"
это регулярное выражение будет соответствовать только "bar,foo"
. Теперь следующий (*SKIP)(*F)
делает совпадение неудачным. Затем он переходит к шаблону, который был рядом с символом |
и пытается совместить символы с оставшейся строкой. То есть в нашем выходе ,
рядом с шаблоном |
будет соответствовать только запятая, которая была сразу после buz
. Обратите внимание, что это не будет соответствовать запятой, которая присутствовала внутри двойных кавычек, потому что мы уже пропустили пропущенную двойную кавычку.
. Следующее регулярное выражение будет соответствовать всем запятым, которые присутствуют внутри двойных кавычек,
,(?!(?:[^"]*"[^"]*")*[^"]*$)
Попробуйте это регулярное выражение:
(?:"(?:[^\\"]+|\\(?:\\\\)*[\\"])*"|'(?:[^\\']+|\\(?:\\\\)*[\\'])*')\s*=>\s*(?:"(?:[^\\"]+|\\(?:\\\\)*[\\"])*"|'(?:[^\\']+|\\(?:\\\\)*[\\'])*')\s*,
Это также позволяет использовать строки типа "'foo\'bar' => 'bar\\',
".
@SocialCensus. Пример, который вы указали в комментарии к MarkusQ, где вы выбрали «рядом с», не работает с примером, который MarkusQ дал прямо над этим, если мы изменим sam на sam's : (test, «запятая», «bob», «sam's», здесь) не имеет сопоставления с (,) (? = (?: [^ "'] | [" |' ] [^ "'] ") $). На самом деле сама проблема: «Я действительно не забочусь о одиночных или двойных кавычках», неоднозначна. Вы должны четко понимать, что вы имеете в виду цитируя либо «или с». Например, разрешено вложенность или нет? Если да, то сколько уровней? Если только один вложенный уровень, что происходит с запятой вне внутренней вложенной цитаты, но внутри внешней котировки вложенности? Вы также должны учитывать, что одиночные кавычки происходят сами по себе как апострофы (т. Е., Как и контр-пример, который я дал ранее с помощью самса). Наконец, регулярное выражение, которое вы сделали, на самом деле не рассматривает одиночные кавычки на пар с двойными кавычками, так как предполагает, что последний тип кавычки обязательно является двойной цитатой - и замена этой последней двойной кавычки на ['| "] также имеет проблему если текст не содержит правильного цитирования (или если используются апострофы), я полагаю, что мы, вероятно, могли бы предположить, что все кавычки правильно определены.
Регулярное выражение MarkusQ отвечает на вопрос: найдите все запятые, которые имеют четное количество двойных кавычек после него (т. е. вне двойных кавычек) и игнорировать все запятые, которые после него имеют нечетное число двойных кавычек (т. е. находятся внутри двойных кавычек). Это, как правило, то же самое решение, что и вы, вероятно, хотите , но давайте посмотрим на несколько аномалий. Во-первых, если кто-то перестает отмечать кавычки в конце, то это регулярное выражение находит все неправильные запятые, а не находит нужные или не соответствует никаким. Конечно, если двойная кавычка отсутствует, все ставки отключены, так как может быть неясно, если t он пропустил один из них в конце или вместо этого принадлежит в начале; однако есть закон, который является законным, и где регулярное выражение может провалиться (это вторая «аномалия»). Если вы отредактируете регулярное выражение для перехода по текстовым строкам, вы должны знать, что цитирование нескольких последовательных абзацев требует, чтобы вы поместили одну двойную кавычку в начале каждого абзаца и не оставили цитату в конце каждого абзаца, за исключением конец последнего абзаца. Это означает, что в пространстве этих абзацев регулярное выражение не удастся в некоторых местах и преуспеть в других.
Примеры и краткие обсуждения цитат с параграфами и вложенных цитат можно найти здесь http: / /en.wikipedia.org/wiki/Quotation_mark.
Ответ MarkusQ отлично поработал для меня около года, пока он этого не сделал. Я просто получил ошибку переполнения стека на строке с примерно 120 запятыми и 3682 символами. В Java, например:
String[] cells = line.split("[\t,](?=(?:[^\"]|\"[^\"]*\")*$)", -1);
Вот моя чрезвычайно неэлегантная замена, которая не переполняет переполнение:
private String[] extractCellsFromLine(String line) {
List<String> cellList = new ArrayList<String>();
while (true) {
String[] firstCellAndRest;
if (line.startsWith("\"")) {
firstCellAndRest = line.split("([\t,])(?=(?:[^\"]|\"[^\"]*\")*$)", 2);
}
else {
firstCellAndRest = line.split("[\t,]", 2);
}
cellList.add(firstCellAndRest[0]);
if (firstCellAndRest.length == 1) {
break;
}
line = firstCellAndRest[1];
}
return cellList.toArray(new String[cellList.size()]);
}
Хотя это можно взломать с помощью регулярного выражения (и мне нравится злоупотреблять регулярными выражениями так же, как и следующий парень), вы рано или поздно столкнетесь с проблемой обработки подстрок без более продвинутого синтаксического анализатора. Возможные способы попадания в проблему включают смешанные кавычки и экранированные кавычки.
Эта функция разделяет строку на запятую, но не те запятые, которые находятся внутри строки с одним или двумя кавычками. Его можно легко расширить с помощью дополнительных символов для использования в качестве кавычек (хотя для пар символов, таких как «», потребуется еще несколько строк кода), и даже скажет вам, если вы забыли закрыть цитату в своих данных:
function splitNotStrings(str){
var parse=[], inString=false, escape=0, end=0
for(var i=0, c; c=str[i]; i++){ // looping over the characters in str
if(c==='\\'){ escape^=1; continue} // 1 when odd number of consecutive \
if(c===','){
if(!inString){
parse.push(str.slice(end, i))
end=i+1
}
}
else if(splitNotStrings.quotes.indexOf(c)>-1 && !escape){
if(c===inString) inString=false
else if(!inString) inString=c
}
escape=0
}
// now we finished parsing, strings should be closed
if(inString) throw SyntaxError('expected matching '+inString)
if(end<i) parse.push(str.slice(end, i))
return parse
}
splitNotStrings.quotes="'\"" // add other (symmetrical) quotes here