Question

备用问题标题：拆分以制表符分隔的列表中的逗号分隔列表。

我正在寻找一种不涉及其他包装的解决方案比标准的java例程。这必须是有的东西之前已经解决了，我只是不知道要使用哪些关键字 Stackoverflow找到它！

我有一个我正在解析的制表符分隔文件。我在分割线后对字段执行错误检查，以防止不良数据进入我的程序。除了一个领域，我几乎解决了所有问题。输入行的基本布局是：

field1<tab>field2<tab>field3<tab>field4

field3，按设计可以包含：

空字符串：
```
field1<tab>field2<tab><tab>field4 
```

一个字符串，包含或不包含空格：

field1<tab>field2<tab>Fred Flintstone<tab>field4

用逗号分隔的多个字符串：

field1<tab>field2<tab>Fred, Barney, Wilma<tab>field4

读取并拆分行如下：

    String entry = pq2File.readline();
    String[] temp;
    temp = entry.split("\t", 4);

当我将输入行拆分为＆＃34; \ t＆＃34;在上述每种情况下，我的第三个字段（temp [2]）设置如下：

[]
[Fred Flintstone]
[弗雷德，巴尼，威尔玛]

然后我再次通过＆＃34;，＆＃34;分割field3。

ArrayList<String> names = 
     new ArrayList<String>(Arrays.asList(temp[2].split(",")));

在上面的每个案例

[empty]
Fred Flintstone
佛瑞德
巴尼
威尔玛

当我使用文本编辑器创建文件或SQL语句将数据从我无法访问的外部远程系统中拉出时，所有这些都得到了正确处理。问题在于用户坚持使用MS EXCEL来创建文件。在这种情况下，该行看起来像这样：

field1<tab>field2<tab>"Fred, Barney, Wilma"<tab>field4

当我解析该行时，我的变量得到值

"Fred, Barney, Wilma"

将其拆分为＆＃34;，＆＃34;结果：
   ＆＃34;佛瑞德
   巴尼
   威尔玛＆＃34;

显然我想摆脱额外的＆＃34;分数。我在寻找解决方案来消除＆＃34;我分裂之前的标记？或者更有意义（更少的代码）等待字段分割后，然后只看第一个和最后一个项目。我问，因为这条线可能是：

field1<tab>field2<tab>"Fred Flintstone", "Barney Rubble", "Wilma Flintstone"<tab>field4

在这种情况下，我希望temp [2]成为：

"Fred Flintstone", "Barney Rubble", "Wilma Flintstone"

并导致temp [2]的分割应该导致：
＆＃34; Fred Flintstone＆＃34;
＆＃34; Barney Rubble＆＃34;
＆＃34; Wilma Flintstone＆＃34;

这没关系。

修改已咨询设计团队并确认对于所有字段，字段中不能嵌入选项卡。

此外，他们已经确认在字段3中，字段内没有嵌入逗号。

因此，输入如：

field1<tab>field2<tab>"Fred Flintstone", "Barney, Wilma"<tab>field4

应该为field3产生三个条目：

＆＃34; Fred Flintstone＆＃34;
＆＃34;巴尼
Wilam＆＃34;

我正在向他们提出另一个可能使整个问题无法解决的问题......

Answer 1

我想你想要

以逗号分割
If（（第一个元素以双引号开头，但不以double-_quote结尾）和（最后一个元素以双引号结尾但不以双引号开头））然后删除那些doble-quotes

不过，我想知道是否有不良数据，比如

field1<tab>field2<tab>"Fred Flintstone", "Barney, Wilma"<tab>field4

导致各种脏数据。您可能需要严格定义语法而不是使用示例，此时解析应该变得微不足道。

Answer 2

我建议您在两个级别编写特定解析器：

每次出现TAB时，外层都应该停止。
内容级别应在每次出现逗号时停止，并丢弃第一个字符引号和最后一个字符引用。

不要理论上听起来如此，我在这里发布我的建议：

public class CombinedStringParser
{
    private final String src;

    private final char delimitter;

    private int currentPos=0;

    public CombinedStringParser(String src, char delimitter)
    {
        super();
        this.src=src;
        this.delimitter=delimitter;
    }

    public String nextToken()
    {
        int initialPos=this.currentPos;
        int x=0;
        while (this.currentPos < this.src.length())
        {
            char c=this.src.charAt(this.currentPos++);
            if (c == this.delimitter)
            {
                x=-1;
                break;
            }
        }
        return this.src.substring(initialPos, this.currentPos + x);
    }

    public List<String> nextListOfTokens(char listDelimitter)
    {
        int initialPos=this.currentPos;
        List<String> list=new ArrayList<String>();
        while (this.currentPos < this.src.length())
        {
            char c=this.src.charAt(this.currentPos++);
            if (c == this.delimitter)
            {
                break;
            }
            else
            {
                if (c == listDelimitter)
                {
                    int p1=initialPos;
                    int p2=this.currentPos - 1;
                    if (this.src.charAt(p1) == '\"')
                    {
                        p1++;
                    }
                    if (this.src.charAt(p2 - 1) == '\"')
                    {
                        p2--;
                    }
                    list.add(this.src.substring(p1, p2));
                    initialPos=this.currentPos;
                }
            }
        }
        if (initialPos < this.currentPos)
        {
            int p1=initialPos;
            int p2=this.src.length();
            if (this.src.charAt(p1) == '\"')
            {
                p1++;
            }
            if (this.src.charAt(p2 - 1) == '\"')
            {
                p2--;
            }
            list.add(this.src.substring(p1, p2));
        }
        return list;
    }
}

如何使用它：

CombinedStringParser parser=new CombinedStringParser(src, '\t');
String firstToken=parser.nextToken();
String secondToken=parser.nextToken();
List<String> thirdToken=parser.nextListOfTokens(',');
String fourthToken=parser.nextToken();

来自有效的公寓，由于其特殊性，此解决方案也高效，因为它只解析每个。

Answer 3

只需删除＆＃34;首先，然后拆分。

temp = entry.replaceAll("\"", '').split("\t", 4);

Java：使用额外引号解析字符串

3 个答案: