分隔字符串，但忽略引号中的逗号

我有一个像这样的字符串：

foo,bar,c;qual="baz,blurb",d;junk="quux,syzygy"

我想用逗号分割 - 但我需要忽略引号中的逗号。 我怎样才能做到这一点？ 似乎正则表达式的方法失败; 我想我可以手动扫描并在看到报价时进入不同的模式，但使用预先存在的库会很好。 （编辑：我想我是指已经是JDK一部分的库，或者已经是Apache Commons等常用库的一部分）。

上面的字符串应该分成：

foo
bar
c;qual="baz,blurb"
d;junk="quux,syzygy"

注意：这不是一个CSV文件，它是包含在具有较大整体结构的文件中的单个字符串

---

尝试：

public class Main { 
    public static void main(String[] args) {
        String line = "foo,bar,c;qual="baz,blurb",d;junk="quux,syzygy"";
        String[] tokens = line.split(",(?=(?:[^"]*"[^"]*")*[^"]*$)", -1);
        for(String t : tokens) {
            System.out.println("> "+t);
        }
    }
}

输出：

> foo
> bar
> c;qual="baz,blurb"
> d;junk="quux,syzygy"

换句话说：只有当逗号为零，或者在它之前有偶数的引号时，才会在逗号分割。

或者，对眼睛有点友善：

public class Main { 
    public static void main(String[] args) {
        String line = "foo,bar,c;qual="baz,blurb",d;junk="quux,syzygy"";

        String otherThanQuote = " [^"] ";
        String quotedString = String.format(" " %s* " ", otherThanQuote);
        String regex = String.format("(?x) "+ // enable comments, ignore white spaces
                ",                         "+ // match a comma
                "(?=                       "+ // start positive look ahead
                "  (?:                     "+ //   start non-capturing group 1
                "    %s*                   "+ //     match 'otherThanQuote' zero or more times
                "    %s                    "+ //     match 'quotedString'
                "  )*                      "+ //   end group 1 and repeat it zero or more times
                "  %s*                     "+ //   match 'otherThanQuote'
                "  $                       "+ // match the end of the string
                ")                         ", // stop positive look ahead
                otherThanQuote, quotedString, otherThanQuote);

        String[] tokens = line.split(regex, -1);
        for(String t : tokens) {
            System.out.println("> "+t);
        }
    }
}

这与第一个例子相同。

编辑

正如@MikeFHay在评论中提到的那样：

我更喜欢使用Guava的Splitter，因为它具有更为理想的默认值（参见上面关于由String#split()修剪的空匹配的讨论，所以我这样做了：

Splitter.on(Pattern.compile(",(?=(?:[^"]*"[^"]*")*[^"]*$)"))

---

尽管我喜欢正则表达式，但对于这种依赖于状态的标记化，我相信一个简单的解析器（在这种情况下，比这个单词更简单，可能会使它听起来更简单）可能是一个更干净的解决方案，特别是关于可维护性，例如：

String input = "foo,bar,c;qual="baz,blurb",d;junk="quux,syzygy"";
List<String> result = new ArrayList<String>();
int start = 0;
boolean inQuotes = false;
for (int current = 0; current < input.length(); current++) {
    if (input.charAt(current) == '"') inQuotes = !inQuotes; // toggle state
    boolean atLastChar = (current == input.length() - 1);
    if(atLastChar) result.add(input.substring(start));
    else if (input.charAt(current) == ',' && !inQuotes) {
        result.add(input.substring(start, current));
        start = current + 1;
    }
}

如果你不关心在引号内保留逗号，你可以简化这种方法（不处理开始索引，没有最后一个字符的特殊情况），用逗号替换你的逗号，然后用逗号分隔：

String input = "foo,bar,c;qual="baz,blurb",d;junk="quux,syzygy"";
StringBuilder builder = new StringBuilder(input);
boolean inQuotes = false;
for (int currentIndex = 0; currentIndex < builder.length(); currentIndex++) {
    char currentChar = builder.charAt(currentIndex);
    if (currentChar == '"') inQuotes = !inQuotes; // toggle state
    if (currentChar == ',' && inQuotes) {
        builder.setCharAt(currentIndex, ';'); // or '♡', and replace later
    }
}
List<String> result = Arrays.asList(builder.toString().split(","));

---

http://sourceforge.net/projects/javacsv/

https://github.com/pupi1985/JavaCSV-Reloaded（前一个库的分支将允许生成的输出具有Windows行终止符rn而不运行Windows时）

http://opencsv.sourceforge.net/

适用于Java的CSV API

你能推荐一个Java库来读取（也可能写入）CSV文件吗？

Java库或应用程序将CSV转换为XML文件？

链接地址: http://www.djcxy.com/p/36967.html

上一篇: separated string but ignoring commas in quotes

下一篇: How to convert timestamp with milliseconds to date in Oracle