Expréssion regulière sous C#

Bonjour,

J'ai des strings qui peuvent avoir le format suivant:

France,FR,"Population ages 00-14, total",SP.POP.0014.TO,3835508

Cette ligne a des informations correspondantes à 4 colonnes:
France => Pays
FR => Code pays
Population ages 00-14, total => Description
SP.POP.0014.TO => Label
3835508 => Valeur

À l'aide de regexp, je suis en train d'essayer de trouver le séparateur des champs. Dans de cas là c'est la virgule mais il peut varier (",", ";", etc.).

Ainsi, actuellement j'ai cette expréssion régulière:

Citation:

---

string patternCSVDelimeter = "[^a-zA-Z0-9\"]+";

---

Cependant elle n'est pas encore correcte car elle ne me permet pas d'exclure la virgule se trouvant dans la valeur "Population ages 00-14, total"

Quelqu'un aurait-il une suggestion?

Merci

Bonjour,

Tu dois pouvoir écrire ton expression régulière pour directement récupérer tes infos en formant des groupes, un peu comme ça :

Code:

---

Regex qariRegex = new Regex("<td><a href=\"(.*?)\">(.*?)</a></td>");

---

Dans ton cas, ce serait quelque chose comme

Code:

---

Regex qariRegex = new Regex("(.?),(.?),\"(.?)\",(.?),(.?)");

---

Lien Microsoft : http://msdn.microsoft.com/fr-fr/libr...vs.110%29.aspx


Seb

Je te propose un pattern qui permet, en plus d'extraire les champs, de vérifier le format d'une ligne csv. (Ce format n'étant pas standard, je suis parti du principe que le caractère de protection s'échappait en le doublant.)

Les deux cas de figure sont présents dans le pattern:

• le champ protégé: "(?<field>(?>[^"]+|"")*)"
• le champ non protégé: (?<field>[^,"]*)

(J'ai utilisé des captures nommées pour ne pas avoir à se soucier du numéro du groupe.)

Pour ce qui est de la structure de la ligne, j'ai imposé le point d'entré du pattern dans la chaîne de manière à n'obtenir que des correspondances adjacentes depuis le début de la chaîne.

• \A est l'ancre de début de chaîne
• \G est soit l'ancre de début de chaîne, soit la position dans la chaîne après la correspondance précédente.(Pour éviter le premier cas, j'ai ajouté un test négatif:(?!\A)\G.)

Donc un champ ne peut se trouver qu'au début de la chaîne ou après une virgule qui suit immédiatement le champ précédant: (?:\A|(?!\A)\G,)

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

string input = @"France,FR,""Population ages 00-14, total"",SP.POP.0014.TO,3835508"; string pattern = @"(?:\A|(?!\A)\G,)(?:""(?<field>(?>[^""]+|"""")*)""|(?<field>[^,""]*))";   MatchCollection mc = Regex.Matches(input, pattern);   // on affiche les résultats foreach (Match m in mc) { Console.WriteLine(m.Groups["field"].Value); }   // on vérifie que le dernier résultat est bien à la fin de la chaîne et par conséquent que le // format de la chaîne est correct. Pour cela on utilise l'index et la taille du dernier résultat. Match lm = mc[mc.Count -1]; if (lm.Index + lm.Value.Length == input.Length ) { Console.WriteLine("OK"); } else { Console.WriteLine("Format non conforme."); }

---

Si tu es sûr du format et que tu n'as donc pas besoin de vérifier on peut essayer avec (un peu) moins d'overengineering ;) :

Code:

---

1 2 3 4

string line = "France,FR,\"Population ages 00-14, total\",SP.POP.0014.TO,3835508"; string[] tokens = line.Split('"') .SelectMany((t, i) => i == 1 ? new[] { t } : t.Trim(',').Split(',')) .ToArray();

---