Question

我已经在stackoverflow上搜索了几篇关于如何在逗号分隔符上拆分字符串的帖子，但忽略了引号中逗号的拆分（参见：How do I split a string into an array by comma but ignore commas inside double quotes?）我试图实现类似的结果，但还需要允许包含一个双引号的字符串。

IE。需要"test05, \"test, 05\", test\", test 05"分成

test05
"test, 05"
test"
test 05

我尝试了类似于这里提到的方法：

Regex for splitting a string using space when not surrounded by single or double quotes

使用匹配器而不是split()。但是，它的具体例子是在空格上分割，而不是在逗号上。我试图调整模式以说明逗号，但是没有运气。

String str = "test05, \"test, 05\", test\", test 05";
str = str + " "; // add trailing space
int len = str.length();
Matcher m = Pattern.compile("((\"[^\"]+?\")|([^,]+?)),++").matcher(str);

for (int i = 0; i < len; i++)
{
    m.region(i, len);

    if (m.lookingAt())
    {
        String s = m.group(1);

        if ((s.startsWith("\"") && s.endsWith("\"")))
        {
            s = s.substring(1, s.length() - 1);
        }

        System.out.println(i + ": \"" + s + "\"");
        i += (m.group(0).length() - 1);
    }
}

Answer 1

你已经达到正则表达式崩溃的程度。

我建议您编写一个简单的拆分器来处理您的希望的特殊情况。测试驱动开发非常适合这样做。

但是，它看起来像是在尝试解析CSV行。您是否考虑过使用CSV库？

Answer 2

我对此有类似的问题，而且我发现没有好的.net解决方案，所以去了DIY。

在我的应用程序中，我正在解析csv，因此我的拆分凭证是＆＃34;，＆＃34;。我想这个方法只适用于你有一个char split参数的地方。

所以，我编写了一个忽略双引号内逗号的函数。它通过将输入字符串转换为字符数组并通过char

解析char来实现

public static string[] Splitter_IgnoreQuotes(string stringToSplit)
    {   
        char[] CharsOfData = stringToSplit.ToCharArray();
        //enter your expected array size here or alloc.
        string[] dataArray = new string[37];
        int arrayIndex = 0;
        bool DoubleQuotesJustSeen = false;          
        foreach (char theChar in CharsOfData)
        {
            //did we just see double quotes, and no command? dont split then. you could make ',' a variable for your split parameters I'm working with a csv.
            if ((theChar != ',' || DoubleQuotesJustSeen) && theChar != '"')
            {
                dataArray[arrayIndex] = dataArray[arrayIndex] + theChar;
            }
            else if (theChar == '"')
            {
                if (DoubleQuotesJustSeen)
                {
                    DoubleQuotesJustSeen = false;
                }
                else
                {
                    DoubleQuotesJustSeen = true;
                }
            }
            else if (theChar == ',' && !DoubleQuotesJustSeen)
            {
                arrayIndex++;
            }
        }
        return dataArray;
    }

对于我的应用程序，这个函数在任何输入中都会忽略（＆＃34;＆＃34;），因为这些不需要并存在于我的输入中。

Answer 3

反对这种模式：

(?<=\"?),(?!\")|(?<!\"),(?=\")

所以它将是：

String[] splitArray = subjectString.split("(?<=\"?),(?!\")|(?<!\"),(?=\")");

UPD：根据问题逻辑的最近变化，最好不要使用裸分割，首先应该用逗号分隔逗号中的文本，然后在最后一个上进行简单分割（“，”）。只需使用简单的for循环并检查你遇到多少引号，同时将你读过的字符保存到StringBuffer中。首先将字符保存到StringBuffer中，直到遇到引号，然后将StringBuffer放入包含不在引号中的字符串的数组中。然后你创建新的StringBuffer并保存你读入的下一个字符，在你遇到第二个逗号后，你停止并将你的新StringBuffer放入包含逗号字符串的数组中。重复直到字符串结束。因此，您将拥有2个数组，一个使用逗号处理的字符串，另一些字符串不是逗号。然后你应该拆分第二个数组的所有元素。

Answer 4

除非你真的需要DIY，否则你应该考虑使用Apache Commons类org.apache.commons.csv.CSVParser

http://commons.apache.org/sandbox/csv/apidocs/org/apache/commons/csv/CSVParser.html

Answer 5

试试这个：

import java.util.regex.*;

public class Main {
  public static void main(String[] args) throws Exception {

    String text = "test05, \"test, 05\", test\", test 05";

    Pattern p = Pattern.compile(
        "(?x)          # enable comments                                      \n" +
        "(\"[^\"]*\")  # quoted data, and store in group #1                   \n" +
        "|             # OR                                                   \n" +
        "([^,]+)       # one or more chars other than ',', and store it in #2 \n" +
        "|             # OR                                                   \n" +
        "\\s*,\\s*     # a ',' optionally surrounded by space-chars           \n"
    );

    Matcher m = p.matcher(text);

    while (m.find()) {
      // get the match
      String matched = m.group().trim();

      // only print the match if it's group #1 or #2
      if(m.group(1) != null || m.group(2) != null) {
        System.out.println(matched);
      }
    }
  }
}

对于test05, "test, 05", test", test 05，它会产生：

test05
"test, 05"
test"
test 05

并且test05, "test 05", test", test 05产生：

test05
"test 05"
test"
test 05

拆分逗号分隔字符串，忽略引号中的逗号，但允许带有一个双引号的字符串

5 个答案: