如何用正则表达式识别分号分隔CSV中含逗号和空格的文本？

问题背景 #

原CSV以分号(;)作为分隔符，部分字段内部包含逗号(,)和空白字符，直接转换为逗号分隔格式会导致列数异常，需要提取如下完整目标字段：

al-Awja, near Tikrit
Oversaw Special Republican Guard, Special Security Organisation, and Republican Guard

原正则([A-Za-z0-9-]+)([,])(\s+)([A-Za-z0-9-]+)仅能匹配局部内容，无法覆盖完整字段。

可行正则方案 #

方案1：匹配所有完整字段（通用） #

适用于字段本身不含分号的标准分号分隔CSV，可提取任意完整字段：

[^;]+(?=;|$)

• 规则解释：
  • [^;]+：贪婪匹配任意非分号的字符（包含逗号、空白、字母、连字符等所有字段内允许的内容）
  • (?=;|$)：通过正向预查确保匹配内容的结尾是分号或字符串末尾，精准定位单个字段边界

方案2：仅匹配含逗号的目标字段 #

如果只需要提取内部包含逗号的字段，可使用：

[^;]*,[^;]*(?=;|$)

• 规则解释：匹配至少包含一个逗号的完整字段，同样以分号或字符串结尾作为边界，精准命中需求中的目标字段

方案3：适配带引号包裹的字段 #

若原CSV中含逗号的字段被双引号包裹（如"al-Awja, near Tikrit"），可使用：

"([^"]+)"(?=;|$)

• 规则解释：匹配被双引号包裹的完整字段，捕获组$1即为不带引号的目标内容

内容的提问来源于stack exchange，提问作者Saurabh Kumar Singh