Java 用于删除引号之间的 CRLF 的正则表达式

Question

我有一个包含 CSV 行的字符串。它的某些值包含 CRLF 个字符，在下面的示例中标记为 [CRLF]

注意：第 1 行：和第 2 行：不是 CSV 的一部分，但用于讨论

Line 1: 
foo1,bar1,"john[CRLF]
dose[CRLF]
blah[CRLF]
blah",harry,potter[CRLF]
Line 2:
foo2,bar2,john,dose,blah,blah,harry,potter[CRLF]

每当一行中的一个值有一个 CRLF 时，整个值出现在引号之间，如第 1 行所示。寻找一种方法来摆脱那些出现在引号之间的 CRLF。

尝试过正则表达式，例如：

data.replaceAll("(,\".*)([\r\n]+|[\n\r]+)(.*\",)", " ");

或者只是 ([\r\n]+) 、 \n+ 等但没有成功：该行继续出现，就好像没有进行替换一样。

编辑：

解决方案

找到解决方案here：

String data = "\"Test Line wo line break\", \"Test Line \nwith line break\"\n\"Test Line2 wo line break\", \"Test Line2 \nwith line break\"\n";
StringBuffer result = new StringBuffer();
Matcher m = Pattern.compile("\"[^\"]*\"").matcher(data);
while (m.find()) {
    m.appendReplacement(result, m.group().replaceAll("\R+", ""));
}
m.appendTail(result);
System.out.println(result.toString());

Answer 1

使用 Java 9+，您可以在 Matcher#replaceAll 中使用函数代码并使用此代码解决您的问题：

// pattern that captures quoted strings ignoring all escaped quotes
Pattern p = Pattern.compile("\"[^\"\\]*(?:\\.[^\"\\]*)*\"");

String data1 = "\"Test Line wo line break\", \"Test Line \nwith line break\"\n\"Test Line2 wo line break\", \"Test Line2 \nwith line break\"\n";

// functional code to get all quotes strings and then remove all line 
// breaks from matched substrings
String repl = p.matcher(data1).replaceAll(
   m -> m.group().replaceAll("\R+", "")
);

System.out.println(repl);

输出：

"Test Line wo line break", "Test Line with line break"
"Test Line2 wo line break", "Test Line2 with line break"

Code Demo

Java 用于删除引号之间的 CRLF 的正则表达式

Java regexp to remove CRLF between quotes

regex

csv

java-11

carriage-return

linefeed