如何在 Go 中使用正则表达式解析 CSV 文件？

在 Go 语言中处理 CSV 文件时，虽然标准库 encoding/csv 提供了高效的解析功能，但某些复杂场景（如非标准分隔符、含引号或转义字符的字段）可能需要结合正则表达式来实现更灵活的解析。本文将详细介绍如何使用正则表达式在 Go 中解析 CSV 文件，包括代码示例和最佳实践。

1. 为什么使用正则表达式解析 CSV？

标准 CSV 解析器通常处理逗号分隔的简单数据，但当数据包含不规则分隔符、多行字段或特殊字符时，正则表达式可以提供更强的匹配能力。例如，处理日志文件或自定义格式的文本数据。

2. 准备工作

确保已安装 Go 环境（1.16+ 版本推荐）。无需额外库，Go 的标准库 regexp 和 strings 即可满足需求。

3. 使用正则表达式解析 CSV 的步骤

3.1 读取 CSV 文件

package main

import (
    "fmt"
    "io/ioutil"
    "regexp"
    "strings"
)

func main() {
    data, err := ioutil.ReadFile("data.csv")
    if err != nil {
        panic(err)
    }
    content := string(data)
    // 后续解析代码
}

3.2 定义正则表达式模式

CSV 字段可能包含引号或逗号，例如："Hello, World",123,"Quote\"Inside"。使用正则表达式匹配字段：

pattern := `("[^"]*"|[^,]+)`
re := regexp.MustCompile(pattern)

此模式匹配：

• 双引号内的任意内容（包括逗号）
• 或非逗号字符序列

3.3 解析每行数据

lines := strings.Split(content, "\n")
for _, line := range lines {
    if strings.TrimSpace(line) == "" {
        continue // 跳过空行
    }
    matches := re.FindAllString(line, -1)
    // 移除字段可能的引号
    for i, field := range matches {
        matches[i] = strings.Trim(field, `"`)
    }
    fmt.Println(matches) // 输出解析后的字段切片
}

4. 完整代码示例

package main

import (
    "fmt"
    "io/ioutil"
    "regexp"
    "strings"
)

func main() {
    data, _ := ioutil.ReadFile("sample.csv")
    content := string(data)
    re := regexp.MustCompile(`("[^"]*"|[^,]+)`)
    
    lines := strings.Split(content, "\n")
    for _, line := range lines {
        if strings.TrimSpace(line) == "" {
            continue
        }
        fields := re.FindAllString(line, -1)
        for i, f := range fields {
            fields[i] = strings.Trim(f, `"`)
        }
        fmt.Printf("Parsed: %v\n", fields)
    }
}

5. 注意事项与优化

• 性能：正则表达式可能比标准 CSV 解析器慢，大数据集建议测试性能。
• 复杂格式：对于嵌套引号或转义字符，需调整正则模式（如 `("(\.|[^"])*"|[^,]+)`）。
• 错误处理：添加错误检查以确保文件存在和格式正确。

6. 替代方案

若无需复杂匹配，优先使用 encoding/csv 库：

import "encoding/csv"

reader := csv.NewReader(file)
records, _ := reader.ReadAll()

总结：正则表达式为 Go 中解析非标准 CSV 提供了灵活性，但应根据需求权衡性能与复杂度。通过本文示例，您可以快速实现自定义 CSV 解析逻辑。