Регулярные выражения (опять, теперь уже в C#)

[OmegaBerkut]

Здравствуйте.
Задача такая: разбить строку на составляющие, которые имеют следующий формат:
"<любой набор символов>" (фрагменты, заключённые в кавычки).
Вооружился следующими инструментами: синтаксис регулярных выражений, чем сплитить.

Пишу код:

arr=Regex.Split(inputStr,"\".+\"");

Получаю хрень. Пробовал различные варианты со скобками, слэшами, и прочие вариации - результата никакого.
Собственно, регулярки - это моё больное место (как и многое другое =) ), но я потихоньку начинаю вникать.

Я конечно же могу пойти другим путём - просто Split("\""), и обработать, но вся эта хрень с регулярками "кидает мне вызов" (с которым я не справляюсь =) ), поэтому пытаюсь хотя бы узнать, как это делать.

Помогите пожалста.

[Alex11223]

"\".+?\""

И наверно не Split, а просто поиск нужен?

[OmegaBerkut]

Сообщение от Alex11223

И наверно не Split, а просто поиск нужен?

Нужно разбить на куски, и обработать каждый кусок по отдельности.
Суть в том, что у меня файл формата CSV, и на выходе не должно быть никаких кавычек; в одном из нескольких файлов они таки присутствуют, просто потому что разделитель (точка с запятой) используется в некоторых ячейках; отсюда все мои артефакты и проблемы.
Нужно в каждой ячейке в кавычках найти и заменить (Replace) все разделители, что бы все кавычки благополучно удалить без повреждения количества ячеек в каждой строке файла.

[OmegaBerkut]

Нда, файл на 400 000 строк, и такая поячеистая обработка в один поток будет длиться час =) ...

[Аватар]

Насколько помню это с 1С выгрузка. Может проще в dbf выгрузить из таблицы значений или вообще в текстовый файл c фиксированной структурой. Объем увеличится конечно, но обработка упростится.

[OmegaBerkut]

Сообщение от Аватар

Насколько помню это с 1С выгрузка. Может проще в dbf выгрузить из таблицы значений или вообще в текстовый файл c фиксированной структурой. Объем увеличится конечно, но обработка упростится.

Не всё так просто =)
У меня помимо собственной выгрузки из 1С (где кстати с форматом всё в порядке) есть ещё десяток таких выгрузок из пойди пойми откуда.
И вот попались такие артефакты, при которых мало того что разделители в ячейках, так ещё и не все ячейки взяты в кавычки. Как обрабатывать такие ситуации - я имею очень смутное представление ...
Если сначала разбить по разделителям - то я уже сразу получаю дополнительные "столбцы", если же сначала разбивать по кавычкам - я получаю одну ячейку строки, в которой судя по разделителям и по общей массе данных должно быть две или три (ячейки).
Подчёркнутое довольно таки сложно алгоритмизировать, и в плане реализации, и в плане оптимизации выполнения.
Эксель поступает просто: если есть кавычки - всё грузит по кавычкам, иначе же - по разделителям. Это я вижу, когда открываю подопытный файл в том самом экселе.

[Alex11223]

Что значит не все?
Вроде бы обычно так и есть в CSV, кавычки только если в ячейке есть разделитель.
https://en.wikipedia.org/wiki/Comma-separated_values

Зачем вы боретесь с форматом вместо следования ему?

[OmegaBerkut]

Сообщение от Alex11223

Что значит не все?
Вроде бы обычно так и есть в CSV, кавычки только если в ячейке есть разделитель.
https://en.wikipedia.org/wiki/Comma-separated_values

Зачем вы боретесь с форматом вместо следования ему?

Я не с форматом борюсь ... Статью читал.
У меня один файл, в котором НЕ ВСЕ ячейки таблицы взяты в кавычки. Делаю его не я, а качаю там, где мне сказали качать.

На сколько мне известно, формат данных должен быть одинаковым в пределах одного файла (блин, масло маслянное), что бы обрабатывалось нормально.
Если нужно использовать разделитель хотя бы в одной ячейке таблицы, то ВСЕ ячейки таблицы должны идти в кавычках (и только после разделяться разделителями).
А табуляция для слабаков (это более универсальный символ).

Поправьте меня, если я не прав, и объясните пожалуйста, как программа должна воспринимать различие ?
Повторю: если сначала делить по разделителям - то при их наличии в "одной ; ячейке" я получаю разбиение ячейки НЕЗАВИСИМО ОТ ТОГО, есть ли кавычки вообще. Если есть кавычки - тогда нужно сначала разбить по кавычкам, отсеять внешние разделители, и дальше работать уже с ячейками; в таком случае - если есть ячейка, которую не взяли в кавычки - это ещё пол беды, будет хвост, который со скрипом запишется как ОДНА ячейка; но если это НЕ ОДНА ячейка (разделители есть, кавычек нет) - как тогда поступать ?
Эксель воспринимает это, как одну ячейку. Но взглянув на другие строки можно увидеть, что это не так.

[Alex11223]

Не должен, зачем?
В Экселе работает нормально.

Ну и с CSV основная сложность, что не все программы придерживаются одного стандарта.

[pu4koff]

Такая может регулярка нужна?

\".+?\"

фишка в том, что по-умолчанию регулярки жадные и жрут символы по максимуму, поэтому \".+\" захватит всё, что между первой и последней кавычкой, а с ? будут браться ближайшие кавычки.