解析TSV文件

Question

我需要解析一个TSV格式的文件(选项卡分隔值)。我使用regex将文件分解为每一行，但无法找到令人满意的正则表达式来解析每一行。现在我想出了这个问题：

(?<g>("[^"]+")+|[^\t]+)

但是，如果一行中的项有超过两个连续的双引号，则不起作用。

文件的格式化方式如下:每个元素都由一个制表分隔。如果一个项目包含一个选项卡，它会被双引号包围。如果一个项目包含双引号，它将加倍。但有时一个元素包含4个相关的双引号，上面的正则表达式将元素拆分成两个不同的元素。

示例：

item1ok“项目”“2”“oK”

正确地将其解析为两个元素：item1ok和项“2”ok(在对不必要的引号进行修整后)，但是：

item1oK“项目”2oK“

将其解析为三个元素：item1ok、item和"2ok (重新修剪后)。

有谁想过如何让这个案子适合这个案子吗？还是有另一种简单解析TSV的解决方案？(我在C#上做这个)。

Answer 1

你可以用TextFieldParser。这在技术上是一个VB程序集，但是即使在C#中也可以通过引用Microsoft.VisualBasic.FileIO程序集来使用它。

上面链接处的示例甚至显示了在选项卡分隔的文件上使用它。

Answer 2

与其尝试构建您自己的CSV/TSV文件解析器(或使用String.Split)，我建议您查看一下"快速CSV阅读器“或"FileHelpers库”。

我使用的是第一个，并且对它非常满意(它支持任何分隔字符，例如逗号、分号、制表符)。

Answer 3

不使用RegEx，也许可以尝试[String.Split方法(Char[]) ](http://msdn.microsoft.com/en-us/library/aa904305(VS.71%29.aspx)方法。