正则表达式仅适用于小规模、格式不规范或临时修复的csv解析场景；标准做法应优先使用内置csv解析器（如php的str_getcsv()、python的csv.reader或pandas的read_csv()），因其已妥善处理引号、换行、转义等边界情况。

正则表达式可以解析 CSV 行，但只推荐用于小规模、格式不规范或需临时修复的场景；标准做法仍是优先使用内置函数（如 PHP 的 str_getcsv()、Python 的 csv.reader 或 Pandas 的 read_csv()），它们已妥善处理引号、换行、转义等边界情况。

理解 CSV 字段结构是写对正则的前提

CSV 单行由逗号分隔字段组成，字段可能：

• 不带引号：纯文本，不含逗号、换行、引号，例如 John
• 带双引号包裹：允许含逗号、换行符、甚至内部双引号（用两个 "" 表示转义），例如 "Doe, Jr." 或 "He said: ""Hi""\n"

简单用 explode(',', $line) 或 split(',') 会把引号内的逗号也拆开，导致错位。正则必须区分“分隔用的逗号”和“字段内容里的逗号”。

一个实用的 PHP 正则模式

匹配单行中每个字段（兼容引号与非引号）：

Miller CSV TSV JSON 数据处理器

Miller (mlr) 是一个命令行工具，用于查询、整形和重新格式化名称索引数据，如 CSV、TSV、JSON 和 JSON Lines。它将 awk、sed、cut、join 和 sort 的功能整合到一个专为结构化数据处理而构建的单一工具中。

下载

/\s*("([^"]|"")*"|[^",\r\n]*),?/

• "([^"]|"")*"：匹配被双引号包围的内容，支持 "" 转义
• [^",\r\n]*：匹配不包含引号、逗号、换行的普通字段
• ,?：匹配字段后可选的逗号（最后一列无逗号）
• \s*：忽略字段前后的空白（增强鲁棒性）

使用时需手动清理结果：去掉首尾引号、将 "" 替换为 "，再 trim()。

Python 中更稳妥的替代方案

虽然可用 re.findall() 配合类似正则提取字段，但强烈建议：

• 用 csv.reader 或 str_getcsv() 解析标准 CSV
• 若首行是元数据（如 #001=xyz_0[1234]），单独读取首行 + 正则提取（如 r'#(\d+)=(\w+_\d)\[(\d+)\]'），其余行交给 pandas.read_csv(skiprows=1)
• 遇到含换行字段时，先按完整记录读取（而非逐行），再用正则识别记录边界，或直接用 csv 模块的 QUOTE_ALL 等参数控制行为

注意事项与避坑点

正则解析 CSV 容易踩的坑：

• 大文件性能差：正则回溯可能导致卡顿或栈溢出
• 无法自动处理跨多行字段：需额外逻辑合并上下文，极易出错
• 不兼容 RFC 4180 全部规则（如 BOM、空字段表示、不同引号风格）
• 调试困难：复杂正则难以维护，错误提示不直观

真正需要正则的场合，通常是清洗脏数据、提取头部注释、或补救缺失引号的半结构化文本——而不是替代标准 CSV 解析器。