用Notepad++正则修复含额外竖线的13列竖线分隔文件

问题场景 #

我们有一个以竖线（|）为分隔符的文本文件，导出时未使用文本限定符，导致部分行的文本内容中包含竖线，使得这些行的列数超出了原本固定的13列（部分行多3-4列不等）。需要实现一个适配任意超列数的正则方案，将第10个竖线之后、最后两个竖线之前的所有额外竖线替换为空格，把所有行统一修复为13列。此前尝试的正则仅对14列的行有效，无法适配更多列的情况。

示例 #

原异常行：

5070599047|SA|03/31/2023 00:00:00|04/03/2023 00:00:00|23121|152|65642.950000|0|0|XP-OFS-222761665|ZIB|BRH|NPAU|31-03-2023|749542|30271246.390000|342

期望修复结果：

5070599047|SA|03/31/2023 00:00:00|04/03/2023 00:00:00|23121|152|65642.950000|0|0|XP-OFS-222761665|ZIB BRH NPAU 31-03-2023 749542|30271246.390000|342

正则解决方案 #

通用正则（适配多数文本编辑器/命令行工具） #

查找模式

\|(?<=^(?:[^|]+\|){10})(?=.*\|[^|]+\|[^|]+$)

替换内容

（输入一个空格即可）

正则逻辑解释 #

• \|：精准匹配需要替换的竖线
• (?<=^(?:[^|]+\|){10})：正向回溯断言，确保当前竖线前已经有10个完整的字段（每个字段为「非竖线内容+竖线」的组合，共10组）
• (?=.*\|[^|]+\|[^|]+$)：正向预查断言，确保当前竖线后至少还有两个完整的字段（对应原文件的最后两列）

这个正则会自动定位所有符合条件的额外竖线，不管中间多多少列，都能一次性替换为空格，最终将所有行统一为13列。

工具使用示例 #

• Notepad++：打开目标文件，按Ctrl+H打开替换窗口，勾选「正则表达式」模式，输入上述查找内容和替换空格，点击「全部替换」
• VS Code：打开文件，按Ctrl+Shift+H打开替换面板，勾选「正则表达式」选项，输入查找内容和替换空格，点击「替换全部」
• sed（Linux/macOS）：执行以下命令批量处理文件：

  sed -E 's/\|(?<=^(?:[^|]+\|){10})(?=.*\|[^|]+\|[^|]+$)/ /g' input.txt > output.txt
  

内容的提问来源于stack exchange，提问作者Emmanuel Salau