用Perl的正则表达式分析csv文件

问题来自这个帖子。我没理解错的话，楼主的要求是替换分隔符。

这里假设 csv 的规范是逗号分隔字段，允许字段中有双引号引用的字符串，如果串内要表示双引号，那么用两个双引号代替。

例如：

sdf,sdaf"asd""""""asd","asd"

对应的输出是：

sdf<$>sdafasd"""asd<$>asd

这个问题，似乎一行 Perl 就能解决：

perl -pe 'BEGIN{$sep=q{<$>}}$s="";/(?:([^",]+)(?{$s.=$1})|"(?:([^"])(?{$s.=$2})|""(?{$s.=q{"}}))*"|,(?{$s.=$sep}))+/;$_=$s;'

输入分成三类：

• 非双引号非逗号即 [^",]+，这类直接输出，这里用了 Perl 正则内嵌代码的功能，(?{$s.=$1}) 即把 $1 追加到 $s。 这一部分对应到正则表达式中的

  (?:([^",]+)(?{$s.=$1})

  由一对 non-capturing parentheses 即 (?:) 包起来，里面先是模式，然后跟着的是 Perl 正则表达式内嵌代码即 (?{})，用来把匹配的串追加到 $2 末尾。

• 逗号，这类输出分隔符 对应

  ,(?{$s.=$sep})

• 双引号内的文本，碰到开双引号后，碰到非双引号字符则直接输出，否则用两个双引号转义，碰到单个双引号则结束。这类用 "(([^"])|"")*" 表示。 对应

  "(?:([^"])(?{$s.=$2})|""(?{$s.=q{"}}))*"`