Помогите с регэкспом (Java)

Question

[andreycha]

Есть некоторый набор строк, содержащих значения, разделенные запятыми. Среди них нужно отфильтровать те, у которых первое значение — или любое число, или «NA».

Валидные строки:
2,whatever
NA,whatever
45345,whatever

Невалидные строки:
,whatever
bla-bla,whatever
a2,whatever
NANA,whatever

Окей, написал выражение:

(?m)^(\d+|NA{1}),.*

Все работает чудесно. Однако затем выяснилось, что в части whatever могут встречаться терминальные символы (\t, \r, \n etc.). Модифицировал выражение:

(?m)^(\d+|NA{1}),(.|\s)* (как вариант — (?s)(?m)^(\d+|NA{1}),.* )

И не тут-то было, теперь все строки, включая невалидные, начали ему удовлетворять.

Подскажите пожалуйста, где я ошибся?

Comments

[chmv]

Покажите, пожалуйста, пример строки, где изначальное выражение не работало.

[andreycha]

Если в «программном» виде:

42,line\nbreak (\n — перевод строки)

З.Ы. Поправил примеры строк, не заметил, что они сбились.

Answer 1

[Optik]

(?<!\S)(?:NA|\d{1,}),(?:.|\s)+?(?=(?:\n.+,)|$)
Попробуйте это, если скармливаете все строки разом а не по одной. Ну и разделитель строк брался \n, если что учтите.

Comments

[andreycha]

Спасибо!

Answer 2

[soider]

Может стоит воспользоваться какой-нибудь библиотекой для работы с csv?

Comments

[andreycha]

В том-то и дело, что в приложении уже есть возможность фильтрации по регулярным выражениям, и хочется избежать девелопмента.

Answer 3

[Константин]

вы ему даёте .* и (.|\s)*, это жрёт всё подряд.

Comments

[andreycha]

Мм, а как сказать, чтобы это «все подряд» он жрал только после нужного блока?

[Константин]

Я всегда жрущую звёздочку останавливал вопросительным знаком, например: ".*?". Потом всегда проходит проверка на следующее значение.

Но всетаки хорошо бы было, >>>предоставить<<< 2 примера, и предпологаемые результаты, тогда я смогу конкретно написать что вам нужно.