我们在工作中有一个基于 Web 的应用程序，您可以在其中的搜索框中输入正则表达式，它会从数据库中返回匹配结果
以下是数据库条目的示例。它们以逗号分隔（将每条记录视为一个家族 - 每个家族可以有 1 到 n 个条目）：
record1: "john doe"<[email protected]>;male,"jane doe"<[email protected];female
record2: "john smith"<[email protected]>
record3: "smith, jane"<[email protected]>
我需要做的是输入一个正则表达式，这样我只能得到第一个条目。在实际情况下，输出将是分隔符之前的所有内容：
record1: "john doe"<[email protected]>;male
record2: "john smith"<[email protected]>
record3: "smith, jane"<[email protected]>
实际上，我所有的尝试都将“smith，jane”中的逗号视为分隔符。
如果逗号在引号中，我该如何忽略它？（为了将来的保障，忽略单引号中的逗号的能力也很好）
我可以仅有的使用正则表达式，而不是 awk/sed 等，并且正则表达式的风格是 POSIX 扩展。
答案1
亮点：你做需要像评论指出的那样更详细地描述您的环境。
这里是我在 Unix shell 上的一次尝试sed
，是的，我知道你不想要sed，但它可能会帮助你在你的环境中构建正则表达式。
data.txt:
"john doe"<[email protected]>;male,"jane doe"<[email protected];female
john_doe"<[email protected]>;male,"jane doe"<[email protected];female
# sed -n 's|^\("[^"]\+"[^,]\+\).*|\1| p' data.txt
"john doe"<[email protected]>;male
此处的正则表达式思路是跳过第一对双引号，然后查找逗号。
如果没有双引号，则失败。
可以将其扩展为使用单引号。
更新：
查找@后跟,...
data.txt:
"john doe"<[email protected]>;male,"jane doe"<[email protected];female
john_doe"<[email protected]>;male,"jane doe"<[email protected];female
# sed -n 's|\([^@]\+[^,]\+\),.*|\1| p' data.txt
"john doe"<[email protected]>;male
john_doe<[email protected]>;male
现在，您得到了两种情况，然后还有那些没有字符串名称甚至<>换行的情况。
但是，您的问题是依赖于record2 和 record3 的 -- 中断，其中您只有一封电子邮件并且没有逗号。如果您在每条记录的末尾,强制使用 a，则仍然有效。,
答案2
你不能用正则表达式可靠地做到这一点。您能做的最好的事情就是基于一堆假设进行丑陋的破解，如果您敢将这样的代码投入生产，这些假设最终肯定会被打破。（如果您不能使用全副武装且可操作的 Perl 正则表达式引擎的火力来做到这一点，那么您肯定不能使用 POSIX 扩展正则表达式来做到这一点。）
简而言之，为了可靠地解决这个问题，您将需要找到某种方法来扩展您正在使用的代码，以便它可以使用 CSV 解析库，或者如果失败，您将需要编写一个解析器。
当然，如果您无法修改处理相关文件的代码，那么您就只能陷入丑陋的黑客攻击中，在这种情况下，这是不幸的，因为我看不到任何真正可靠的方法可以使用 POSIX 正则表达式作为唯一的工具来产生所需的结果。
答案3
试图忽略引号内的逗号是有问题的，因为您想要查找的逗号也是“在引号中”（的结束引号"john doe"和的开始引号"jane doe"）。除非您假设第一个引号存在，否则您将很难做出这种区分。
尝试一下这个：
^[^<]+<[^>]*>[^,\s]*
我假设每条记录都会有一个<email>，并且电子邮件后面的任何逗号都表示一条新记录。这只是用一个假设来换取另一个假设，但它在我的测试中有效。
答案4
使用正则表达式将引号外部的 , 分隔符更改为其他内容，例如制表符：
模式 ((?:[^,"]|"[^"]*")+),
替换 \1\t
然后按新的分隔符拆分