Question

我的程序从文件中读取一行。这一行包含逗号分隔的文本，如：

123,test,444,"don't split, this",more test,1

我希望分裂的结果是：

123
test
444
"don't split, this"
more test
1

如果我使用String.split(",")，我会得到这个：

123
test
444
"don't split
 this"
more test
1

换句话说：子字符串"don't split, this"中的逗号不是分隔符。怎么处理这个？

提前致谢.. 雅各布

Answer 1

你可以试试这个正则表达式：

str.split(",(?=(?:[^\"]*\"[^\"]*\")*[^\"]*$)");

这会将,上的字符串拆分，后跟偶数个双引号。换句话说，它在双引号之外的逗号上拆分。如果你的字符串中有平衡的引号，这将有效。

说明：

,           // Split on comma
(?=         // Followed by
   (?:      // Start a non-capture group
     [^"]*  // 0 or more non-quote characters
     "      // 1 quote
     [^"]*  // 0 or more non-quote characters
     "      // 1 quote
   )*       // 0 or more repetition of non-capture group (multiple of 2 quotes will be even)
   [^"]*    // Finally 0 or more non-quotes
   $        // Till the end  (This is necessary, else every comma will satisfy the condition)
)

您甚至可以在代码中使用(?x)修饰符和正则表达式进行类似的操作。修饰符忽略了正则表达式中的任何空格，因此更容易读取分为多行的正则表达式，如下所示：

String[] arr = str.split("(?x)   " + 
                     ",          " +   // Split on comma
                     "(?=        " +   // Followed by
                     "  (?:      " +   // Start a non-capture group
                     "    [^\"]* " +   // 0 or more non-quote characters
                     "    \"     " +   // 1 quote
                     "    [^\"]* " +   // 0 or more non-quote characters
                     "    \"     " +   // 1 quote
                     "  )*       " +   // 0 or more repetition of non-capture group (multiple of 2 quotes will be even)
                     "  [^\"]*   " +   // Finally 0 or more non-quotes
                     "  $        " +   // Till the end  (This is necessary, else every comma will satisfy the condition)
                     ")          "     // End look-ahead
                         );

Answer 2

为什么在可以匹配时拆分？

恢复这个问题是因为出于某种原因，没有提到简单的解决方案。这是我们精美紧凑的正则表达式：

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

这将匹配所有所需的片段（see demo）。

<强>解释

使用"[^"]*"，我们匹配完整的"double-quoted strings"
或|
我们匹配[^,]+任何不是逗号的字符。

一种可能的改进是改进交替的字符串方面，以允许引用的字符串包含转义引号。

Answer 3

如果没有复杂的正则表达式，您可以轻松完成此任务：

拆分角色"。你得到一个字符串列表
处理列表中的每个字符串：拆分列表中偶数位置上的每个字符串（从零开始索引）“，”（在列表中得到一个列表），保留每个奇数位置的字符串（直接把它放在列表中的列表中。）。
加入列表列表，这样您就只能获得一个列表。

如果你想处理'''的引用，你必须稍微调整算法（加入一些部分，你错误地拆分或改变拆分为简单的正则表达式），但基本结构仍然存在。

所以基本上是这样的：

public class SplitTest {
    public static void main(String[] args) {
        final String splitMe="123,test,444,\"don't split, this\",more test,1";
        final String[] splitByQuote=splitMe.split("\"");
        final String[][] splitByComma=new String[splitByQuote.length][];
        for(int i=0;i<splitByQuote.length;i++) {
            String part=splitByQuote[i];
            if (i % 2 == 0){
               splitByComma[i]=part.split(",");
            }else{
                splitByComma[i]=new String[1];
                splitByComma[i][0]=part;
            }
        }
        for (String parts[] : splitByComma) {
            for (String part : parts) {
                System.out.println(part);
            }
        }
    }
}

承诺给lambda这个会更干净！

Answer 4

请参阅以下代码段。此代码仅考虑快乐流程。根据您的要求更改

public static String[] splitWithEscape(final String str, char split,
        char escapeCharacter) {
    final List<String> list = new LinkedList<String>();

    char[] cArr = str.toCharArray();

    boolean isEscape = false;
    StringBuilder sb = new StringBuilder();

    for (char c : cArr) {
        if (isEscape && c != escapeCharacter) {
            sb.append(c);
        } else if (c != split && c != escapeCharacter) {
            sb.append(c);
        } else if (c == escapeCharacter) {
            if (!isEscape) {
                isEscape = true;
                if (sb.length() > 0) {
                    list.add(sb.toString());
                    sb = new StringBuilder();
                }
            } else {
                isEscape = false;
            }

        } else if (c == split) {
            list.add(sb.toString());
            sb = new StringBuilder();
        }
    }

    if (sb.length() > 0) {
        list.add(sb.toString());
    }

    String[] strArr = new String[list.size()];

    return list.toArray(strArr);
}

Answer 5

基于 @ zx81＆＃39; s 答案，因为匹配的想法非常好，我已经添加了Java 9 results 来电，返回Stream。由于OP希望使用split，我已收集到String[]，split。

请注意，如果逗号分隔符后面有空格（a, b, "c,d"）。然后你需要改变模式。

Jshell演示

$ jshell
-> String so = "123,test,444,\"don't split, this\",more test,1";
|  Added variable so of type String with initial value "123,test,444,"don't split, this",more test,1"

-> Pattern.compile("\"[^\"]*\"|[^,]+").matcher(so).results();
|  Expression value is: java.util.stream.ReferencePipeline$Head@2038ae61
|    assigned to temporary variable $68 of type java.util.stream.Stream<MatchResult>

-> $68.map(MatchResult::group).toArray(String[]::new);
|  Expression value is: [Ljava.lang.String;@6b09bb57
|    assigned to temporary variable $69 of type String[]

-> Arrays.stream($69).forEach(System.out::println);
123
test
444
"don't split, this"
more test
1

代码

String so = "123,test,444,\"don't split, this\",more test,1";
Pattern.compile("\"[^\"]*\"|[^,]+")
    .matcher(so)
    .results()
    .map(MatchResult::group)
    .toArray(String[]::new);

说明

正则表达式[^"]匹配：引用，除引号外的任何内容，引用。
正则表达式[^"]*匹配：引用，除引号0（或更多）以外的任何内容，引用。
正则表达式需要首先进入＆＃34; win＆＃34;否则将除逗号以外的任何内容匹配<或em> - 即：[^,]+ - 将＆＃34 ;赢＆＃34;

results()需要Java 9或更高版本。

它返回Stream<MatchResult>，我使用group()调用映射并收集到字符串数组。无参数toArray()调用将返回Object[]。

在引号外用逗号分隔

5 个答案:

Jshell演示

代码

说明