拆分引号外的逗号

Question

我的程序从文件中读取一行。此行包含以逗号分隔的文本，例如：

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

我希望拆分的结果是这样的：

 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：子字符串中的逗号 "don't split, this" 不是分隔符。如何处理？

原文由 Jakob Mathiasen 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

你可以试试这个正则表达式：

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

这会将字符串拆分为 , 后跟偶数个双引号。换句话说，它在双引号外用逗号分隔。如果您的字符串中有平衡引号，这将起作用。

解释：

 ,           // 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)
)

您甚至可以在您的代码中使用 (?x) 修饰符和您的正则表达式来键入这样的内容。修饰符会忽略正则表达式中的任何空格，因此更容易阅读分成多行的正则表达式，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
                         );

原文由 Rohit Jain 发布，翻译遵循 CC BY-SA 3.0 许可协议

Answer 2

为什么在可以匹配时拆分？

重新提出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：

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

这将匹配所有需要的片段（ 参见演示）。

解释

• 使用 "[^"]*" ，我们匹配完整 "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端，以允许带引号的字符串包含转义引号。

原文由 zx81 发布，翻译遵循 CC BY-SA 3.0 许可协议