如何修正正则表达式以修复含换行的CSV文件（PHP）

问题描述 #

正常CSV格式如下：

id, text field1, text field2
1,some text,another text
2,some text,another text
3,some text,another text

但text field1中偶尔会包含换行符，导致CSV结构损坏：

id, text field1, text field2
1,some text,another text
2,some 
text,another text
3,some text,another text

逐行读取或按换行拆分时会得到无效记录。原修复代码在遇到换行后是数字（如日期1999-06-21）时失效：

<?php
$c= file_get_contents($myFile);
$c= preg_replace( '/\n([^0-9])/is', "\n~~$1", $c );
$c= str_replace( "\n~~", " ", $c );
?>

解决方案 #

正则优化方案 #

换个思路：匹配那些不是以数字+逗号开头的行内换行，因为正常数据行都是以数字,起始的。修改后的代码更精准高效：

<?php
$content = file_get_contents($myFile);
// 负向前瞻断言：换行后不能紧跟数字+逗号，直接替换为空格
$content = preg_replace('/\n(?!\d+,)/is', ' ', $content);
file_put_contents($fixedFile, $content);
?>

非正则高效方案（适配10万+条记录） #

正则处理超大文件可能占用过多内存，推荐逐行读取+状态判断的方式，内存占用极低：

<?php
$input = fopen($myFile, 'r');
$output = fopen($fixedFile, 'w');

// 写入表头
$header = fgets($input);
fwrite($output, $header);

$currentRecord = '';
while (($line = fgets($input)) !== false) {
    // 判断当前行是否是新记录起始（以数字开头）
    if (preg_match('/^\d+,/', $line)) {
        // 写入上一条完整记录
        if (!empty($currentRecord)) {
            fwrite($output, trim($currentRecord) . "\n");
        }
        $currentRecord = $line;
    } else {
        // 将换行内容追加到当前记录，替换换行为空格
        $currentRecord .= ' ' . trim($line);
    }
}

// 写入最后一条记录
if (!empty($currentRecord)) {
    fwrite($output, trim($currentRecord) . "\n");
}

fclose($input);
fclose($output);
?>

内容的提问来源于stack exchange，提问作者John