Java拆分CSV忽略HTML字符

Question

我需要用分号分割字符串，忽略可能作为HTML字符的分号。 例如，给定字符串：

id=com.google.android;keywords=Android&#59;Operating System&#59;Phone;versions=Gingerbread&#59;ICS&#59;JB

我需要把它分成：

id = com.google.android
keywords=Android&#59;Operating System&#59;Phone
versions=Gingerbread&#59;ICS&#59;JB

任何想法如何做到这一点？

Answer 1

像(?<!&#?[0-9a-zA-Z]+);这样的正则表达式可能会这样做。这会阻止匹配终止实体引用或字符引用的分号，但它也会捕获一些技术上不符合规范的情况（例如它与&#foo;末尾的分号不匹配或{ {1}}）。

&123;是一个“负面后瞻”，所以你可以把这个正则表达式看作匹配一个分号，该分号前面没有匹配(?<!...)的子字符串（即＆符号，可选哈希，以及一个或多个字母数字）。但是，lookbehinds必须具有他们可以匹配的字符数的上限，&#?[0-9a-zA-Z]+没有，所以你必须使用有限的重复计数，如+而不是无界{1,5}。 1}}。上限必须至少与您可能看到的最长实体引用一样长，并且如果您的数据可能包含任意实体引用，那么您将必须使用类似于字符串长度的内容作为上限。

+

如果你可以指定一个更小的界限，那么这可能会更有效。

---

编辑：Android显然不喜欢这种外观，即使是有限的重复，所以你可能无法使用String[] keyValuePairs = theString.split( "(?<!&#?[0-9a-zA-Z]{1," + theString.length() + "});"); 的单一正则表达式做你所追求的事情，你将拥有自己做循环，例如

String.split

Answer 2

由于HTML实体在＆＃39;＆amp;＃＆＃39;之间只有两个或三个数字。和＆＃39;;＆＃39;我使用了以下正则表达式：

(?<!&#\d{2,3});