Java匹配报价内容

Question

Extract data from Specific format CSV files

数据格式列在上面的链接中。

基本上，我想用引号来提取所有字段，如：

'data0,data1,data2,,,','.........'

我使用这样的正则表达式：

String subrow = row.replaceFirst("'\\w.*?',",",");

这将始终匹配一对引号中的第一个内容。

然而，有这样的情况：

例如

data1 = "encoding = 'utf-8'"

仍然如果我使用上面的方法，它将匹配：

'data0,encoding='

除了

'data0,encoding='utf-8',data2,,,'

然后如何修改正则表达式以匹配一对引号中的内容，即使其中还有另一对引号？ （零或一对报价）

PS：将在测试中使用文本：

'1415561780,84,0,130,52','0,0,0,97517573,0,0,0,0,0,,,','corpvpn,ac103f20,57771,42eb9375,80,0','4,http%3a%2f%2flenovoappssystemupdateprod.112.2o7.net%2fb%2fss%2flenovoappssystemupdateprod%2f6,,0,0,,text/xml; encoding='utf-8',595,207,595,161,595,0,1,0,0,0,ac10ff1b,18604,42eb9375,80,0,','200,text/xml,text/xml,64,64,481,64,472,64,0,0,0',,,,,

请注意有一个：

 encoding='utf-8'

在第四对引号内。

Answer 1

如果我了解您的问题，您希望='foo'成为匹配的一部分，该匹配也位于'...'内。在这种情况下，您可以尝试使用此正则表达式

'\\w(=\\s*'[^']*'|[^'])*'

正则表达式的一些解释

• |代表OR
• 类似[abc]的结构是character class - 它会匹配一个字符，在此示例中为a b或c
• [^abc]是否定字符类 - 它会接受任何 不 a b或{{1} }
• c表示空格（例如空格，\\s，\t，\n ...）
• \r表示可在单词中使用的字符（\\w 0-9 a-z和下划线A-Z）
• _是量词，这意味着它之前的元素可以显示为零{或}次，如*可以接受ab*a aa aba {{ 1}}等等。

现在解释我的正则表达式

abba

• abbba代表零个或多个不是'\w(=\s*'[^']*'|[^'])*' 的字符。如果我们使用[^']* '来围绕'这将代表以'[^']*'开头和结尾但内部不再有'的文字，因此如果是{{1}这样的文字它可以匹配' 'foo' bar 'baz'。它类似于'foo'。
• 但不是简单的'baz'我决定在第一个'.*?'和最后一个'[^']*'之间添加案例，而不是非' - 字符我们也可以接受一系列'（例如'）。

演示：

='...'

输出：

='utf-8'