70

我的程序从文件中读取一行。此行包含逗号分隔的文本,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"don't split, this"中的逗号不是分隔符。如何处理?

4

5 回答 5

158

你可以试试这个正则表达式:

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

这会拆分字符串,,然后是偶数个双引号。换句话说,它在双引号之外的逗号上拆分。如果您的字符串中有平衡的引号,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)
)

你甚至可以在你的代码中输入这样的类型,在你(?x)的正则表达式中使用修饰符。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
                         );
于 2013-09-19T11:31:26.327 回答
21

为什么要在可以匹配时拆分?

重新提出这个问题,因为由于某种原因,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(参见演示)。

解释

  • "[^"]*"我们匹配完成"double-quoted strings"
  • 或者|
  • 我们匹配[^,]+任何不是逗号的字符。

一个可能的改进是改进交替的字符串端,以允许引用的字符串包含转义的引号。

于 2014-06-27T10:57:32.350 回答
2

您可以很容易地做到这一点,而无需复杂的正则表达式:

  1. 在字符上拆分"。你得到一个字符串列表
  2. 处理列表中的每个字符串:将列表中偶数位置的每个字符串(从零开始索引)拆分为“,”(您在列表中得到一个列表),单独保留每个奇数位置的字符串(直接将其放入列表中的列表)。
  3. 加入列表列表,因此您只得到一个列表。

如果你想处理 '"' 的引用,你必须稍微调整一下算法(加入一些部分,你有不正确的拆分,或者将拆分更改为简单的正则表达式),但基本结构仍然存在。

所以基本上它是这样的:

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,这将与 lambdas 更清洁!

于 2013-09-19T11:41:51.223 回答
2

基于@zx81 的回答,因为匹配的想法非常好,我添加了 Java 9results调用,它返回一个Stream. 由于 OP 想使用split,我已经收集到String[],也是split如此。

如果逗号分隔符 ( a, b, "c,d") 后面有空格,请小心。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);

解释

  1. 正则表达式[^"]匹配:引用,除引用之外的任何内容,引用。
  2. 正则表达式[^"]*匹配:引用,除了引用 0(或更多)次之外的任何内容,引用。
  3. 该正则表达式需要首先“获胜”,否则匹配除逗号 1 次或多次以外的任何内容- 即:[^,]+- 将“获胜”。
  4. results()需要 Java 9 或更高版本。
  5. 它返回Stream<MatchResult>,我使用group()call 和 collect 将其映射到字符串数组。无参数toArray()调用将返回Object[]
于 2018-03-05T06:14:26.463 回答
0

请看下面的代码片段。此代码仅考虑快乐流。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);
}
于 2013-09-19T12:11:09.613 回答