我有一个模糊的字符串：
foo,bar,c;qual="baz,blurb",d;junk="quux,syzygy"
我想用逗号分隔 - 但我需要在引号中忽略逗号。我怎样才能做到这一点？看起来像正则表达式方法失败;我想我可以在看到引号时手动扫描并进入不同的模式，但是使用预先存在的库会更好。 （编辑：我想我的意思是已经是JDK的一部分或已经是Apache Commons等常用库的一部分的库。）
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CSV文件，它是包含在整体结构较大的文件中的单个字符串
答案 0 :(得分：405)
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：只有当逗号为零或前面有偶数引号时才会在逗号上拆分。
或者，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);
}
}
}
与第一个例子相同。
正如@MikeFHay在评论中提到的那样：
我更喜欢使用Guava's Splitter，因为它有更好的默认设置（请参阅上面关于
String#split()修剪空匹配的讨论，所以我做了：Splitter.on(Pattern.compile(",(?=(?:[^\"]*\"[^\"]*\")*[^\"]*$)"))
答案 1 :(得分：43)
虽然我确实喜欢正则表达式，但是对于这种依赖于状态的标记化，我相信一个简单的解析器（在这种情况下比这个单词要简单得多）可能是一个更清晰的解决方案，特别是关于可维护性，例如：
String input = "foo,bar,c;qual=\"baz,blurb\",d;junk=\"quux,syzygy\"";
List<String> result = new ArrayList<String>();
int start = 0;
boolean inQuotes = false;
for (int current = 0; current < input.length(); current++) {
if (input.charAt(current) == '\"') inQuotes = !inQuotes; // toggle state
boolean atLastChar = (current == input.length() - 1);
if(atLastChar) result.add(input.substring(start));
else if (input.charAt(current) == ',' && !inQuotes) {
result.add(input.substring(start, current));
start = current + 1;
}
}
如果您不关心在引号内保留逗号，则可以通过用引号替换引号中的逗号来简化此方法（不处理起始索引，不处理最后一个字符特殊情况）然后用逗号分开：
String input = "foo,bar,c;qual=\"baz,blurb\",d;junk=\"quux,syzygy\"";
StringBuilder builder = new StringBuilder(input);
boolean inQuotes = false;
for (int currentIndex = 0; currentIndex < builder.length(); currentIndex++) {
char currentChar = builder.charAt(currentIndex);
if (currentChar == '\"') inQuotes = !inQuotes; // toggle state
if (currentChar == ',' && inQuotes) {
builder.setCharAt(currentIndex, ';'); // or '♡', and replace later
}
}
List<String> result = Arrays.asList(builder.toString().split(","));
答案 2 :(得分：20)
http://sourceforge.net/projects/javacsv/
https://github.com/pupi1985/JavaCSV-Reloaded
（前一个库的fork，允许生成的输出在不运行Windows时具有Windows行终止符\r\n）
http://opencsv.sourceforge.net/
Can you recommend a Java library for reading (and possibly writing) CSV files?
答案 3 :(得分：7)
我不会建议Bart的正则表达式答案，我发现在这种特殊情况下解析解决方案更好（正如Fabian提出的那样）。我已经尝试了正则表达式解决方案和自己的解析实现，我发现：
我的解决方案和测试如下。
String tested = "foo,bar,c;qual=\"baz,blurb\",d;junk=\"quux,syzygy\",";
long start = System.nanoTime();
String[] tokens = tested.split(",(?=([^\"]*\"[^\"]*\")*[^\"]*$)");
long timeWithSplitting = System.nanoTime() - start;
start = System.nanoTime();
List<String> tokensList = new ArrayList<String>();
boolean inQuotes = false;
StringBuilder b = new StringBuilder();
for (char c : tested.toCharArray()) {
switch (c) {
case ',':
if (inQuotes) {
b.append(c);
} else {
tokensList.add(b.toString());
b = new StringBuilder();
}
break;
case '\"':
inQuotes = !inQuotes;
default:
b.append(c);
break;
}
}
tokensList.add(b.toString());
long timeWithParsing = System.nanoTime() - start;
System.out.println(Arrays.toString(tokens));
System.out.println(tokensList.toString());
System.out.printf("Time with splitting:\t%10d\n",timeWithSplitting);
System.out.printf("Time with parsing:\t%10d\n",timeWithParsing);
当然，如果您对丑陋感到不舒服，可以自由更改切换到此片段中的else-ifs。注意用分离器切换后没有断裂。 StringBuilder被设计为StringBuffer，以提高速度，线程安全性无关紧要。
答案 4 :(得分：2)
尝试像(?!\"),(?!\")一样的lookaround。这应该与未被,包围的"匹配。
答案 5 :(得分：2)
你正处于那个令人讨厌的边界区域，在那里regexps几乎不会做（正如Bart所指出的那样，逃避引用会让生活变得艰难），然而一个成熟的解析器似乎有点矫枉过正。
如果您可能需要更快的复杂性，我会去寻找解析器库。例如this one
答案 6 :(得分：2)
我很不耐烦，选择不等待答案......作为参考，这样的事情看起来并不难（适用于我的应用程序，我不需要担心转义报价，因为引号中的内容仅限于一些约束形式）：
final static private Pattern splitSearchPattern = Pattern.compile("[\",]");
private List<String> splitByCommasNotInQuotes(String s) {
if (s == null)
return Collections.emptyList();
List<String> list = new ArrayList<String>();
Matcher m = splitSearchPattern.matcher(s);
int pos = 0;
boolean quoteMode = false;
while (m.find())
{
String sep = m.group();
if ("\"".equals(sep))
{
quoteMode = !quoteMode;
}
else if (!quoteMode && ",".equals(sep))
{
int toPos = m.start();
list.add(s.substring(pos, toPos));
pos = m.end();
}
}
if (pos < s.length())
list.add(s.substring(pos));
return list;
}
（读者练习：通过查找反斜杠扩展到处理转义引号。）
答案 7 :(得分：0)
不要使用前瞻和其他疯狂的正则表达式，而是先拔出引号。也就是说，对于每个引用分组，将该分组替换为__IDENTIFIER_1或其他指示符，并将该分组映射到字符串，字符串的映射。
在逗号分割后，将所有映射的标识符替换为原始字符串值。
答案 8 :(得分：0)
最简单的方法是不使用复杂的附加逻辑来匹配定界符（即逗号），以匹配实际的意图（可能用引号引起来的数据），而只是排除错误的定界符，而是匹配定界符中的预期数据。第一名。
该模式由两个选项组成，一个带引号的字符串（"[^"]*"或".*?"）或下一个逗号之前的所有内容（[^,]+）。为了支持空单元格，我们必须允许未引用的项目为空，并使用下一个逗号（如果有的话），并使用\\G锚点：
Pattern p = Pattern.compile("\\G\"(.*?)\",?|([^,]*),?");
模式还包含两个捕获组，以获取引号的内容或纯内容。
然后，使用Java 9，我们可以获得一个数组
String[] a = p.matcher(input).results()
.map(m -> m.group(m.start(1)<0? 2: 1))
.toArray(String[]::new);
较早的Java版本需要这样的循环
for(Matcher m = p.matcher(input); m.find(); ) {
String token = m.group(m.start(1)<0? 2: 1);
System.out.println("found: "+token);
}
将商品添加到List或数组中作为读者的消费税。
对于Java 8，您可以使用this answer的results()实现，就像Java 9解决方案一样。
对于带有嵌入字符串的混合内容，例如在问题中，您可以简单地使用
Pattern p = Pattern.compile("\\G((\"(.*?)\"|[^,])*),?");
但是，这些字符串将保留其引号形式。
答案 9 :(得分：0)
使用String.split（）的单线笔是什么？
String s = "foo,bar,c;qual=\"baz,blurb\",d;junk=\"quux,syzygy\"";
String[] split = s.split( "(?<!\".{0,255}[^\"]),|,(?![^\"].*\")" );
答案 10 :(得分：-1)
我会做这样的事情：
boolean foundQuote = false;
if(charAtIndex(currentStringIndex) == '"')
{
foundQuote = true;
}
if(foundQuote == true)
{
//do nothing
}
else
{
string[] split = currentString.split(',');
}