如何解析包含文本限定符的字符串？

Question

我该如何解析字符串 String str = "abc, \"def,ghi\"";

以便使输出为

String[] strs = {"abc", "\"def,ghi\""}

即一个长度为2的数组。

我应该使用正则表达式还是Java API或其他开源项目中有任何方法可以让我做到这一点？

编辑

为了给问题提供背景，我正在读取一个文本文件，其中每行都有一个记录列表。每个记录都有由分隔符（逗号或分号）分隔的字段列表。现在我有一个要求，我必须支持文本限定符，就像Excel或Open Office支持的那样。假设我有记录

abc，“def，ghi”

在这个字符串中，，是我的分隔符，而“是我的文本限定符，这样当我解析这个字符串时，我应该得到两个字段abc和def,ghi，而不是{abc，def，ghi}。

希望这清楚地说明我的要求。

谢谢

Shekhar

- Shekhar

---

@Burkhard的修改实际上改变了预期结果的要求。你想要{"abc", "def,ghi"}还是{"abc", "\"def,ghi\""} ？ - David Hedlund

@David：实际上，我刚刚将abc更改为"abc"，即一个字符串。也许我还应该将"def,ghi"更改为""def,ghi""？ - Burkhard

@Burkhard：是的，那正是我的观点。当第一个字符串没有引号而第二个字符串有引号时，我们仍然可以假设字符串引用被一致地省略了，并且显示的只是值。现在我们真的不能假设任何东西了 =) - David Hedlund

我想要 {"abc", ""def,ghi""}。 - Shekhar

System.out.println(strArray[1]) 的命令行结果应该是什么？ - Matt Mitchell

Answer 1

基本算法并不太复杂：

 public static List<String> customSplit(String input) {
   List<String> elements = new ArrayList<String>();       
   StringBuilder elementBuilder = new StringBuilder();

   boolean isQuoted = false;
   for (char c : input.toCharArray()) {
     if (c == '\"') {
        isQuoted = !isQuoted;
        // continue;        // changed according to the OP comment - \" shall not be skipped
     }
     if (c == ',' && !isQuoted) {
        elements.add(elementBuilder.toString().trim());
        elementBuilder = new StringBuilder();
        continue;
     }
     elementBuilder.append(c); 
   }
   elements.add(elementBuilder.toString().trim()); 
   return elements;
}

- Andreas Dolk

---

那能处理嵌套的转义引号吗？ - Matt Mitchell

真是太棒了！对于这个问题，我可能会想出更复杂的解决方案:D - David Hedlund

还没有，但是(1)我没有看到这样的要求，(2) - 这是一个基本算法。你可以很容易地添加一个“嵌套引用”检测并改变“isQuoted”测试。 - Andreas Dolk

@David - 可以引入像 "one, \"two, \\\"three\\\"\"" 这样的语法来允许嵌套引号，但这还不是必需的要求（目前）。 - Andreas Dolk

@Andreas_D：是的，我猜那是真的。但另一件完全不同的事情引起了我的注意：假设字符串没有以逗号结尾，你不需要在返回之前再执行第二个elements.add来添加当前生成器中的内容吗？ - David Hedlund

Answer 2

这个问题似乎很合适：分割字符串时忽略引号包含的部分 在这条线上，http://opencsv.sourceforge.net/似乎是合适的。

- Matt Mitchell

---

我认为第二个字符串没有空格只是偶然的，而不是问题的核心。 - David Hedlund

这个例子可以工作，但是在 "abc, \"def, ghi\"" 这种可能有效的输入上会失败（这只是我的猜测）。 - Andreas Dolk

更好了！现在我们的任何评论都不适用了，因为这是完全不同的答案。我宁愿看到旧答案被删除，然后发布这个新答案。但这只是细节问题。对于这个答案点赞。 - David Hedlund

@David Hedlund - 是的，你可能是对的，但现在无论如何都不重要了。 - Matt Mitchell

Answer 3

试试这个 -

 String str = "abc, \"def,ghi\"";
            String regex = "([,]) | (^[\"\\w*,\\w*\"])";
            for(String s : str.split(regex)){
                System.out.println(s);
            }

- user381878

---

它对于字符串str = "abc, "def,ghi",jkl"将无法工作。预期输出将是{abc，"def,ghi"，jkl}。 - Shekhar

Answer 4

尝试：

List<String> res = new LinkedList<String>();

String[] chunks = str.split("\\\"");
if (chunks.length % 2 == 0) {
    // Mismatched escaped quotes!
}
for (int i = 0; i < chunks.length; i++) {
    if (i % 2 == 1) {
        res.addAll(Array.asList(chunks[i].split(",")));
    } else {
        res.add(chunks[i]);
    }
}

这将仅拆分未位于转义引号之间的部分。

如果要去除空格，请调用trim()。

- Borealid