给定这样的字符串：
a,"string, with",various,"values, and some",quoted
什么是基于逗号分割它而忽略引用部分内的逗号的好算法？
输出应该是一个数组：
[ "a", "string, with", "various", "values, and some", "quoted" ]
Jason
问问题
10088 次
13 回答
21
看起来你在这里得到了一些很好的答案。
对于那些希望处理自己的 CSV 文件解析的人，请听从专家的建议，不要使用自己的 CSV 解析器。
您的第一个想法是，“我需要处理引号内的逗号。”
您的下一个想法将是，“哦，废话，我需要处理引号内的引号。转义引号。双引号。单引号......”
这是一条通往疯狂的道路。不要自己写。找到一个具有广泛单元测试覆盖率的库，该库涵盖了所有困难的部分，并为你经历了地狱。对于 .NET，使用免费的FileHelpers库。
于 2008-08-08T19:36:34.093 回答
6
Python：
import csv
reader = csv.reader(open("some.csv"))
for row in reader:
print row
于 2008-08-08T21:07:28.450 回答
2
当然，使用 CSV 解析器会更好，但只是为了好玩，您可以：
Loop on the string letter by letter.
If current_letter == quote :
toggle inside_quote variable.
Else if (current_letter ==comma and not inside_quote) :
push current_word into array and clear current_word.
Else
append the current_letter to current_word
When the loop is done push the current_word into array
于 2008-08-08T18:12:49.283 回答
1
于 2008-08-08T18:13:11.623 回答
1
如果我选择的语言没有提供一种不假思索地做到这一点的方法，那么我最初会考虑两种选择作为简单的出路：
预解析并用另一个控制字符替换字符串中的逗号，然后拆分它们，然后对数组进行后解析，以用逗号替换之前使用的控制字符。
或者将它们拆分为逗号，然后将生成的数组解析为另一个数组，检查每个数组条目上的前导引号并将条目连接起来，直到我到达终止引号。
然而，这些都是技巧，如果这是一个纯粹的“心理”练习，那么我怀疑它们将被证明是无用的。如果这是一个现实世界的问题，那么了解该语言将有助于我们提供一些具体的建议。
于 2008-08-08T18:18:34.577 回答
1
如果原始字符串中出现奇数个引号怎么办？
这看起来非常像 CSV 解析，它在处理引用字段时有一些特殊性。仅当字段用双引号分隔时，该字段才被转义，因此：
字段 1，“字段 2，字段 3”，字段 4，“字段 5，字段 6”字段 7
变成
字段1
字段 2，字段 3
字段4
“字段5
场 6" 场 7
请注意，如果它不以引号开头和结尾，则它不是带引号的字段，并且双引号被简单地视为双引号。
如果我没记错的话，我链接到的代码实际上并没有正确处理这个问题。
于 2008-08-08T22:21:53.510 回答
1
这是一个基于 Pat 伪代码的简单 python 实现：
def splitIgnoringSingleQuote(string, split_char, remove_quotes=False):
string_split = []
current_word = ""
inside_quote = False
for letter in string:
if letter == "'":
if not remove_quotes:
current_word += letter
if inside_quote:
inside_quote = False
else:
inside_quote = True
elif letter == split_char and not inside_quote:
string_split.append(current_word)
current_word = ""
else:
current_word += letter
string_split.append(current_word)
return string_split
于 2010-10-05T05:43:24.533 回答
0
我用它来解析字符串，不确定它在这里是否有帮助；但也许有一些小的修改？
function getstringbetween($string, $start, $end){
$string = " ".$string;
$ini = strpos($string,$start);
if ($ini == 0) return "";
$ini += strlen($start);
$len = strpos($string,$end,$ini) - $ini;
return substr($string,$ini,$len);
}
$fullstring = "this is my [tag]dog[/tag]";
$parsed = getstringbetween($fullstring, "[tag]", "[/tag]");
echo $parsed; // (result = dog)
/mp
于 2008-08-08T18:36:07.460 回答
0
这是一个简单的算法：
- 判断字符串是否以字符
'"'开头 - 将字符串拆分为由
'"'字符分隔的数组。 - 用占位符标记引用的逗号
#COMMA#- 如果输入以 a 开头，
'"'则在数组中标记索引 % 2 == 0 的那些项目 - 否则标记数组中索引 % 2 == 1 的那些项目
- 如果输入以 a 开头，
- 连接数组中的项目以形成修改后的输入字符串。
- 将字符串拆分为由
','字符分隔的数组。 #COMMA#用字符替换占位符数组中的所有实例','。- 该数组是您的输出。
这是python实现：（
固定处理'"a，b"，c，"d，e，f，h"，"i，j，k"'）
def parse_input(input):
quote_mod = int(not input.startswith('"'))
input = input.split('"')
for item in input:
if item == '':
input.remove(item)
for i in range(len(input)):
if i % 2 == quoted_mod:
input[i] = input[i].replace(",", "#COMMA#")
input = "".join(input).split(",")
for item in input:
if item == '':
input.remove(item)
for i in range(len(input)):
input[i] = input[i].replace("#COMMA#", ",")
return input
# parse_input('a,"string, with",various,"values, and some",quoted')
# -> ['a,string', ' with,various,values', ' and some,quoted']
# parse_input('"a,b",c,"d,e,f,h","i,j,k"')
# -> ['a,b', 'c', 'd,e,f,h', 'i,j,k']
于 2008-08-08T18:40:40.617 回答
0
这是标准的 CSV 样式解析。很多人尝试使用正则表达式来做到这一点。使用正则表达式可以达到大约 90%，但您确实需要一个真正的 CSV 解析器才能正确执行此操作。几个月前，我在 CodeProject 上发现了一个快速、出色的 C# CSV 解析器，我强烈推荐它！
于 2008-08-08T18:52:50.030 回答
0
这是一次使用伪代码（又名 Python）的代码：-P
def parsecsv(instr):
i = 0
j = 0
outstrs = []
# i is fixed until a match occurs, then it advances
# up to j. j inches forward each time through:
while i < len(instr):
if j < len(instr) and instr[j] == '"':
# skip the opening quote...
j += 1
# then iterate until we find a closing quote.
while instr[j] != '"':
j += 1
if j == len(instr):
raise Exception("Unmatched double quote at end of input.")
if j == len(instr) or instr[j] == ',':
s = instr[i:j] # get the substring we've found
s = s.strip() # remove extra whitespace
# remove surrounding quotes if they're there
if len(s) > 2 and s[0] == '"' and s[-1] == '"':
s = s[1:-1]
# add it to the result
outstrs.append(s)
# skip over the comma, move i up (to where
# j will be at the end of the iteration)
i = j+1
j = j+1
return outstrs
def testcase(instr, expected):
outstr = parsecsv(instr)
print outstr
assert expected == outstr
# Doesn't handle things like '1, 2, "a, b, c" d, 2' or
# escaped quotes, but those can be added pretty easily.
testcase('a, b, "1, 2, 3", c', ['a', 'b', '1, 2, 3', 'c'])
testcase('a,b,"1, 2, 3" , c', ['a', 'b', '1, 2, 3', 'c'])
# odd number of quotes gives a "unmatched quote" exception
#testcase('a,b,"1, 2, 3" , "c', ['a', 'b', '1, 2, 3', 'c'])
于 2008-08-08T19:15:34.463 回答
0
我只是忍不住想看看我是否可以让它在 Python 单行中工作：
arr = [i.replace("|", ",") for i in re.sub('"([^"]*)\,([^"]*)"',"\g<1>|\g<2>", str_to_test).split(",")]
返回 ['a', 'string, with', 'various', 'values, and some', 'quoted']
它首先将引号内的 ',' 替换为另一个分隔符 (|)，将字符串拆分为 ',' 并替换 | 再次分隔符。
于 2008-08-08T19:51:25.200 回答
0
既然你说语言不可知论，我尽可能用最接近伪代码的语言编写我的算法：
def find_character_indices(s, ch):
return [i for i, ltr in enumerate(s) if ltr == ch]
def split_text_preserving_quotes(content, include_quotes=False):
quote_indices = find_character_indices(content, '"')
output = content[:quote_indices[0]].split()
for i in range(1, len(quote_indices)):
if i % 2 == 1: # end of quoted sequence
start = quote_indices[i - 1]
end = quote_indices[i] + 1
output.extend([content[start:end]])
else:
start = quote_indices[i - 1] + 1
end = quote_indices[i]
split_section = content[start:end].split()
output.extend(split_section)
output += content[quote_indices[-1] + 1:].split()
return output
于 2018-10-15T02:28:08.043 回答