java - 用于拆分由 | 分隔的字符串的正则表达式 当没有用双引号括起来时

Question

我需要一个正则表达式来计算java中管道分隔字符串中的列数。列数据将始终用双引号引起来，否则将为空。

例如：

"1234"|"Name"||"Some description with ||| in it"|"Last Column"

以上应计为 5 列，包括“名称”列后的 1 个空列。

谢谢

Answer 1

这是一种方法：

String input =
    "\"1234\"|\"Name\"||\"Some description with ||| in it\"|\"Last Column\"";
//  \_______/ \______/\/\_________________________________/ \_____________/    
//      1        2    3                 4                          5

int cols = input.replaceAll("\"[^\"]*\"", "")  // remove "..."
                .replaceAll("[^|]", "")        // remove anything else than |
                .length() + 1;                 // Count the remaining |, add 1

System.out.println(cols);   // 5

IMO虽然不是很健壮。例如，如果您打算处理转义引号，我不建议使用正则表达式。

Answer 2

稍微改进了aioobe 回答中的表达方式：

int cols = input.replaceAll("\"(?:[^\"\\]+|\\.)*\"|[^|]+", "")
                .length() + 1;

处理引号中的转义，并使用单个表达式删除除定界符之外的所有内容。

Answer 3

这是我不久前使用的一个正则表达式，它也处理转义引号和转义分隔符。对于您的要求（计算列）来说，这可能有点过分了，但也许它会在未来帮助您或其他人进行解析。

(?<=^|(?<!\\)\|)(\".*?(?<=[^\\])\"|.*?(?<!\\(?=\|))(?=")?|)(?=\||$)

and broken down as:
(?<=^|(?<!\\)\|)             // look behind to make sure the token starts with the start anchor (first token) or a delimiter (but not an escaped delimiter)
(                            // start of capture group 1
  \".*?(?<=[^\\])\"          //   a token bounded by quotes
  |                          //   OR
  .*?(?<!\\(?=\|))(?=")?     //   a token not bounded by quotes, any characters up to the delimiter (unless escaped)
  |                          //   OR
                             //   empty token
)                            // end of capture group 1
(?=\||$)                     // look ahead to make sure the token is followed by either a delimiter or the end anchor (last token)

when you actually use it it'll have to be escaped as:
(?<=^|(?<!\\\\)\\|)(\\\".*?(?<=[^\\\\])\\\"|.*?(?<!\\\\(?=\\|))(?=\")?|)(?=\\||$)

这很复杂，但有一种方法可以解决这种疯狂：如果行首或行尾的列为空，分隔引号位于奇数位置，行或列以转义开头或结尾，我搜索的其他正则表达式将失败分隔符，以及许多其他极端情况。

您使用管道作为分隔符的事实使这个正则表达式更加难以阅读/理解。提示是你看到一个管道本身“|”，它是正则表达式中的条件 OR，当它被转义“\|”时，它是你的分隔符。