正则表达式使用换行符拆分字符串（除非它在双引号之间）

Question

我正在做一些分隔文件处理。我需要做的第一件事是获取所有“行”。得到每一行后，我可以根据指定的分隔符进行拆分。因此，为了获得行，我需要使用各种行名称（\r\n、\r、\n）拆分字符串。以下一直有效，直到我在双引号中遇到换行符：

return content.Split(new string[] { "\r\n", "\r", "\n" }, StringSplitOptions.None);

因此，如果您考虑以下文本（我的原始文本将双引号内的双引号转义为 \" 而不是 ""），其中每一行都由行名称之一分隔，并且行中的每个字段/列由管道“|”字符：

string s = "row1 col1|\"row1 \"\"col2a\"\"\r\nrow1 col2b\"|row1 col3\nrow2 col1|\"row2 \"\"col2a\"\"\rrow2 \"\"col2b\"\"\"|row2 col3\r\nrow3 col1|\"row3 col2a\nrow3 col2b\"|row3 col3";

这等于以下字符串：

row1 col1|"row1 ""col2a""{CRLF}row1 ""col2b"""|row1 col3{CRLF}row2 col1|"row2 ""col2a""{CRLF}row2 ""col2b"""|row2 col3{ CRLF}row3 col1|"row3 col2a{CRLF}row3 col2b"|row3 col3

用我原来的方法拆分上面的结果有 5 行：

string[] result = s.Split(new string[] { "\r\n", "\r", "\n" }, StringSplitOptions.None);

但我想使用行分隔符 (\r\n, \r, \n) 将上述内容拆分为 3 行：

result[0] == "row1 col1|\"row1 \"\"col2a\"\"\r\nrow1 col2b\"|row1 col3"
result[1] == "row2 col1|\"row2 \"\"col2a\"\"\rrow2 \"\"col2b\"\"\"|row2 col3"
result[2] == "row3 col1|\"row3 col2a\nrow3 col2b\"|row3 col3"

有没有人想出一个正则表达式来分割行（引号内除外）？

这是我最终得到的，感谢 Alan：

public string[] GetLines (string fileContent) {
    Regex regex = new Regex(@"^([^""\r\n]*(?:(?:""[^""]*"")*[^""\r\n]*))", RegexOptions.Multiline);
    MatchCollection matchCollection = regex.Matches(fileContent);
    string[] result = new string[matchCollection.Count];
    for (int i = 0; i < matchCollection.Count; i++) {
        Match match = matchCollection[i];
        result[i] = match.Value;
    }
    return result;
}

Answer 1

我会使用Matches()而不是Split()：

Regex r = new Regex(@"(?m)^[^""\r\n]*(?:(?:""[^""]*"")+[^""\r\n]*)*");
MatchCollection m = r.Matches(s);

内部部分 ，(?:(?:"[^"]*")+匹配可能包含转义引号的双引号字符串。整个正则表达式匹配可能包含一个或多个双引号字符串的一行。请注意，内部字符类 ( [^"]) 可以匹配\rand \n，而外部字符类( [^"\r\n]) 明确排除它们。line-start 锚点（^在多行模式下）防止真实匹配之间的虚假空匹配。

这是一个演示。（它在 PCRE 中，但我也在 .NET 中测试过。）