需要一种毛茸茸的多线正则表达式

Question

我试图清理一个包含许多格式错误的电子邮件地址的csv文件，例如：

"Scarpaci"
"Joseph" <[email protected]>"
"Adams"
"Robert" <[email protected]>"

它显示了两个地址，但在单独的行上有名字和姓氏。我需要一个正则表达式，1）识别多行地址，2）用一行的名字，姓氏和电子邮件地址替换它，但用双引号括起来的名字和姓氏。

我使用Mac OS，无论是什么正则表达式引擎...

Answer 1

Perl对此很有好处。将记录分隔符设置为与记录结尾匹配的内容，而不是默认值（即换行符）：

local $/ = '>"';

然后你可以像往常一样“逐行”地阅读它并以这种方式清理它。这样的东西应该有助于循环，使用Perl的修饰符，因此换行是正常的，而x用于记录它的注释：

 /\"([^\"]+)\".+? # first name
  \"([^\"]+)\"\s+ # second name
  <(.+)>\"* # email
 /xs or next;

您的输出将类似于"$1 $2" $3，包含捕获的组。

这适用于MacOS。

#!/usr/bin/perl -l

local $/ = '>"';

while (<>) {
    /\"([^\"]+)\".+? # first name
     \"([^\"]+)\"\s+ # second name
     <(.+)>\"* # email
    /xs or next;

    print qq["$1 $2" $3];
}

非毛产量：

$ perl that-script.pl < that-data.txt 
"Scarpaci Joseph" [email protected]
"Adams Robert" [email protected]
$