Question

问题很简单。

CSV文件如下所示：

1, "John", "John Joy"

如果我想获得每一栏，我只使用String[] splits = line.split(",");

如果CSV文件如下所示：

1, "John", "Joy, John"

所以我们在双引号对中有一个逗号。上述分裂将不再适用，因为我希望“欢乐，约翰”作为一个完整的部分。

那么有一个优雅/简单的算法来处理这种情况吗？

修改

请不要将其视为正式的CSV解析内容。我只是将CSV用作需要拆分的用例。

我真正想要的不是一个合适的CSV解析器，相反，我只想要一个算法，它可以用逗号来正确地分割一行，考虑到双引号。

Answer 1

最好将现有的库用于此purpuse，而不是编写自定义实现（如果不这样做，则需要进行学习）。因为CSV具有一些您可以在自定义实现中遗漏的细节，并且通常库已经过充分测试。

在这里你可以找到一些好的Can you recommend a Java library for reading (and possibly writing) CSV files?

修改

我已经创建了解析你的字符串的方法，但是它再次起作用并不完美，因为我还没有很好地测试它。它可以作为您的起点，您可以进一步改进它。

String inputString = "1, \"John\",\"Joy, John\""; char quote = '"'; List<String> csvList = new ArrayList<String>(); boolean inQuote = false; int lastStart = 0; for (int i = 0; i < inputString.length(); i++) { if ((i + 1) == inputString.length()) { //if this is the last character csvList.add(inputString.substring(lastStart, i + 1)); } if (inputString.charAt(i) == quote) { //if the character is quote if (inQuote) { inQuote = false; continue; //escape } inQuote = true; continue; } if (inputString.charAt(i) == ',') { if (inQuote) continue; csvList.add(inputString.substring(lastStart, i)); lastStart = i + 1; } } System.out.println(csvList);

问题

如果你得到类似1, "John", ""Joy, John""的字符串怎么办？（关于“乔伊，约翰”的两个引语）？

Answer 2

// use regxep with matcher

String string1 = "\"John\", \"John Joy\"";
String string2 = "\"John\", \"Joy, John\"";
Pattern pattern = Pattern.compile("\"[^\"]+\"");

Matcher matcher = pattern.matcher(string1);
System.out.println("string1: " + string1);
int start = 0;
while(matcher.find(start)){
    System.out.println(matcher.group());
    start = matcher.end() + 1;
    if(start > string1.length())
    break;
}

matcher = pattern.matcher(string2);
System.out.println("string2: " + string2);
start = 0;
while(matcher.find(start)){
    System.out.println(matcher.group());
    start = matcher.end() + 1;
    if(start > string2.length())
    break;
}

Answer 3

使用正则表达式非常优雅对不起，我不熟悉Java正则表达式，所以我的例子是Lua：
（这个例子没有考虑到引用文本中可能有换行符，并且原始引用字符在引用文本中会加倍）

--- file.csv
1, "John", "John Joy"
2, "John", "Joy, John"

--- Lua code
for line in io.lines 'file.csv' do
   print '==='
   for _, s in (line..','):gmatch '%s*("?)(.-)%1%s*,' do
      print(s)
   end
end

--- Output
===
1
John
John Joy
===
2
John
Joy, John

Answer 4

您可以从正则表达式开始：

[^",]*|"[^"]*"

匹配不包含逗号或带引号的字符串的非引用字符串。但是，有很多问题，包括：

输入中的逗号之后是否真的有空格？或者，更一般地说，您是否允许不完全位于字段第一个字符的引号？
如何在包含引号的字段周围加上引号？

根据您回答该问题的方式，您最终可能会使用不同的正则表达式。（实际上，使用CSV解析库的习惯性建议并不是处理极端情况;它不需要考虑它们，因为您假设“标准CSV”处理，无论根据作者的说法。解析库.CSV很乱。）

我已经成功使用的一个正则表达式（尽管不 CSV兼容）是：

(?:[^",]|"[^"]*")*

与第一个非常相似，只是它允许任意数量的连接字段，因此以下两个都被识别为单个字段：

"John"", Mary"
John", "Mary

CSV标准会将第一个视为代表：

John", Mary    -- internal quote

并将第二个中的引号视为普通字符，从而产生两个字段。所以YMMV。

无论如何，一旦你决定了一个合适的正则表达式，算法就很简单了。在伪代码中，因为我远非Java专家。

repeat:
   match the regex at the current position
     and append the result to the result;
   if the match fails:
     report error
   if the match goes to the end of the string:
     done
   if the next character is a ',':
     advance the position by one
   otherwise:
     report error

根据正则表达式，可能无法报告错误的两个条件。通常，如果引用的字段未终止，则第一个将触发（并且您需要决定是否允许引用字段中的换行 - CSV确实如此）。如果您使用我提供的第一个正则表达式，然后没有立即使用逗号跟随带引号的字符串，则可能会发生第二个。

Answer 5

首先将字符串拆分为引号。奇数段会引用内容;即使是那些也必须再用逗号分开。我在日志上使用它，其中引用的文本没有转义引号，就像在这个问题中一样。

    boolean quoted = false;
    for(String q : str.split("\"")) {
        if(quoted)
            System.out.println(q.trim());
        else
            for(String s : q.split(","))
                if(!s.trim().isEmpty())
                    System.out.println(s.trim());
        quoted = !quoted;
    }

优雅的算法，用Java中的逗号或双引号对分割字符串

5 个答案: