Question

我正在使用Scala处理一些非常凌乱的数据，这些数据很难清理。它采用带分隔符的键/值对的形式，例如："a=1, b=2, c=3"。我正在使用String.split将String分解为键值对。如果需要，这些对的大多数字符串值部分都用引号引起来，因此这可以使引号,内的<string-instance>.split(", (?=(?:[^\"]*\"[^\"]*\")*[^\"]*$)")不匹配

但是，我遇到了一个url字段，该字段既不加引号，也不在所有情况下都进行URL编码，因此我必须处理类似这样的事情：

"foo=bar, url=http://city.com/Boston, MA US, is_test=false"

在这种情况下，我试图匹配bar之后的逗号和US之后的逗号，并忽略Boston之后的逗号。幸运的是，我可以依靠发生在url=和, is_test=之间的这些坏情况（仅此而已）。我在https://www.freeformatter.com/java-regex-tester.html上用Java regex测试器敲了敲头，但失败了。通过上面的输入我能得到的最接近的是： (?<!url=[.]{0,300}^, is_test), (?!.*, is_test)，仅匹配US之后的逗号，而不匹配bar之后的逗号。 {0,300}可以缓解Java Regex无法处理潜在的无限后向表达式的问题： java.util.regex.PatternSyntaxException: Look-behind group does not have an obvious maximum length

我该如何解决？理想情况下，我可以将带引号逗号的表达式忽略掉。一种可能性也是在和url=之间匹配, is_test并将其替换为%20。不幸的是，在该Regex表达式上，我得到的最接近的是(?<=url=.{0,300})\s(?!^\w*, is_test)，它与我不想触摸的is_test前面的空白匹配。

== edit ==

我的第一个示例未包含带有=的查询字符串，这是我的问题的主要部分。这是我正在处理的更完整的示例：

foo="bar, harbor", url=http://city.com/start_city=Boston, MA US&end_city=New York, NY US, is_test=false

Answer 1

由于键值对之间用=隔开，并且每个键对之间都用逗号和空格隔开，因此您可以使用{正则表达式，

Online Demo

检查这些Java代码，这些代码会将您的字符串分割到所需位置，

,\s*(?=\w+=)

打印

String[] data = "foo=\"bar, harbor\", url=http://city.com/start_city=Boston, MAUS&end_city=New York, NY US, is_test=false".split(",\\s*(?=\\w+=)");
Arrays.stream(data).forEach(System.out::println);

让我知道这是否适用于您的情况，如果不能，请添加不适用于您的情况。

在两个带有'String.split`

1 个答案: