如何用正则表达式在长CSV文本特定位置插入换行符？

问题背景 #

有一个包含数十万条记录的CSV文本文件，所有记录未添加换行符而连在一起。每条新记录的起始有固定模式：hh:mm:ss.sss,Buzzard，需要将文本分割为每条独立的记录，保存为规范的CSV文件。原尝试的R正则匹配代码未能成功实现需求。

解决方案 #

核心思路是利用正向预查定位每条新记录的起始位置（除第一条外），在该位置插入换行符\n。以下是完整的R实现代码：

library(stringr)
library(data.table)

# 原始无换行数据
Data_raw <- c("07:04:08.401,Buzzard Brook,123456.78,1234567.89,196.25,-0.41,-0.60,0.07,LARS,326800.31,6749792.66,BIG Box,0.00,0.00,0.0007:04:08.401,Buzzard Brook,123456.78,1234567.89,196.25,-0.41,-0.60,0.07,LARS,123456.78,1234567.89,BIG Box,0.00,0.00,-401.3107:02:55.357,Buzzard Brook,123456.78,1234567.89,50.41,-0.42,-0.01,0.01,LARS,123456.78,1234567.89,BIG Box,Obj 2 N.A.,Obj 2 N.A.,Obj 2 N.A.07:03:10.364,Buzzard Brook,123456.78,1234567.89,50.27,-0.20,-0.03,0.00,LARS,123456.78,1234567.89,BIG Box,Obj 2 N.A.,Obj 2 N.A.,Obj 2 N.A.")

# 正则分割：在每条新记录起始前插入换行
Data_raw_2 <- str_replace_all(Data_raw, "(?<=\\S)(?=\\d{2}:\\d{2}:\\d{2}\\.\\d{3},Buzzard)", "\n")

# 验证分割结果
cat(Data_raw_2)

# 保存为规范的文本/CSV文件
wd <- getwd()
write_lines(Data_raw_2, paste0(wd, "/cleaned_records.csv"))

正则说明 #

• (?<=\\S)：正向后顾断言，确保匹配位置的前一个字符不是空白（避免在文本开头插入多余换行）
• (?=\\d{2}:\\d{2}:\\d{2}\\.\\d{3},Buzzard)：正向预查断言，匹配后面紧跟hh:mm:ss.sss,Buzzard模式的位置
• 将上述匹配到的位置替换为\n，即可实现每条记录独立分隔

效果验证 #

处理后的数据会变成每条记录单独一行的规范格式，与需求中的目标格式完全一致，可直接作为CSV文件使用。

内容的提问来源于stack exchange，提问作者Skeith