如何用REGEX拆分CSV行：跳过引号内逗号适配两种标题格式

可以通过正则实现该需求，下面提供两种常用实现方案：

方案1：直接匹配所有字段（推荐，自动去除字段外层引号） #

使用的正则表达式：
(?<=^|,)(?:"([^"]*)"|([^,]*))(?=$|,)

正则解释 #

• (?<=^|,)：限定匹配位置必须在行首或者逗号之后，也就是每个字段的起始位置
• (?:"([^"]*)"|([^,]*))：匹配两种格式的字段：
  • 带引号的字段：匹配被双引号包裹的内容，自动捕获引号内部的文本（不会带上外层引号）
  • 不带引号的字段：匹配所有非逗号的连续字符
• (?=$|,)：限定匹配位置必须在行尾或者逗号之前，也就是每个字段的结束位置

匹配效果 #

对两行CSV分别匹配后，得到的捕获结果依次为：

• 第一行：315、Misérables, Les (1995)、Drama|War
• 第二行：315、Big Bully (1996)、Comedy|Drama

方案2：按有效逗号分割 #

如果你的使用场景更适合用split（分割）操作，可以使用如下正则匹配需要分割的逗号：
,(?=(?:[^"]*"[^"]*")*[^"]*$)

正则解释 #

该正则只会匹配不在双引号内部的逗号：
核心是后面的正向预查(?=(?:[^"]*"[^"]*")*[^"]*$)，验证当前逗号后面的双引号总数是偶数，说明该逗号没有被双引号包裹，属于字段分隔符。

分割效果 #

对两行CSV分别分割后得到的结果依次为：

• 第一行：['315', '"Misérables, Les (1995)"', 'Drama|War']，如果不需要外层引号，对第二个字段做一次首尾引号去除即可
• 第二行：['315', 'Big Bully (1996)', 'Comedy|Drama']

注意事项 #

上述正则仅适用于字段内部没有转义双引号的场景，如果你的CSV存在"name, ""nickname"""这类转义引号的格式，需要对正则做额外适配，你给出的示例场景可以直接使用上述方案。

内容的提问来源于stack exchange，提问作者Xhuliano98