拆分字符串并忽略引号内的分隔符

Question

我正在使用.NET的String.Split方法将一个字符串按逗号分隔，但我想忽略用双引号括起来的字符串。我已经阅读过一篇文章，其中提到了一种

例如，下面的字符串。

Fruit,10,"Bananas, Oranges, Grapes"

我希望能够获得以下内容

Fruit
10
"Bananas, Oranges, Grapes"

目前我得到了以下输出

Fruit
10
"Bananas
 Oranges
 Grapes"
enter code here

在遵循建议和提供的答案后，这是我最终得到的一个示例。 （显然对我有效）

Imports Microsoft.VisualBasic.FileIO

Dim fileReader As New TextFieldParser(fileName)

fileReader.TextFieldType = FieldType.Delimited
fileReader.SetDelimiters(",")
fileReader.HasFieldsEnclosedInQuotes = True

While fileReader.EndOfData = False


Dim columnData() As String = fileReader.ReadFields

' Processing of field data

End While

- Tachi

---

请使用现有的 CSV 解析器，例如 TextFieldParser 或 这个，它们都支持引号包含的情况。 - Tim Schmelter

FileHelpers 是一个很好的 CSV 库。 - Tim S.

可能会有帮助：https://dev59.com/WWMl5IYBdhLWcg3wwZTc - Duncan Finney

@Time Schmelter按照您的建议尝试了一下，成功了，谢谢。 - Tachi

Answer 1

像评论中提到的那些解析器一样，使用解析器会更好。尽管如此，以下是使用正则表达式的方法：

,(?=(?:[^"]*"[^"]*")*[^"]*$)

< p > 正向先行断言 ((?= ... )) 确保在逗号分隔之前有偶数个引号（即它们要么成对出现，要么没有出现）。

[^"]* 匹配非引号字符。

- Jerry

---

这太慢了！在我的电脑上，读取一个300k行的CSV文件从大约2秒变成了大约111秒（并行处理从4秒变成了40秒）。我尝试了一些替代方案，并发现老派的VisualBasic TextFieldParser实际上更快（33秒，非并行），并且自动处理“引号中的逗号”问题。当然，TextFieldParser比如StreamReader要慢。如果没有第三方CSV库，似乎TextFieldParser类是处理不干净的CSV文件时性能最重要的选择。 - jspinella

@jspinella 当然，专门的解析器会更快，因为它已经针对此进行了优化。问题在于可能存在边缘情况（数据源无法控制且知道存在结构问题），这些解析器可能只会抛出错误，而人们必须采用其他手工方法才能处理数据。虽然不是理想的解决方案，但至少可以取得一些进展。 - Jerry

Answer 2

我发现以下是最简单的方法，我们可以这样做。

string fruits = "Fruit,10,"Bananas, Oranges, Grapes"";
string[] fruitsArr = Regex.Split(fruits, ",(?=(?:[^\"]*\"[^\"]*\")*(?![^\"]*\"))");

输出：

fruitsArr[0] = "Fruit"
fruitsArr[1] = "10"
fruitsArr[2] = "\"Bananas, Oranges, Grapes\""

如果您需要纯字符串数据，可以使用以下方法进行操作： fruitsArr[2].Replace("\"", "") 该代码片段可以将第三个元素中的引号删除，并返回一个字符串。

- Jitendra G2

Answer 3

一个快速的解决方法是预处理引号内的逗号，并将其替换为另一个分隔符，拆分值，然后使用该分隔符进行后处理，将其替换为原始逗号。

- SimonGiubs

Answer 4

如果使用C#，可以使用

        string searchQuery = "Fruit,10,\"Bananas, Oranges, Grapes\"";
        List<string> list1 = Regex.Matches(searchQuery, @"(?<match>\w+)|\""(?<match>[\w\s,]*)""").Cast<Match>().Select(m => m.Groups["match"].Value).ToList();
        foreach(var v in list1)
        Console.WriteLine(v);

输出：

水果

10

香蕉，橙子，葡萄

- Praveen Singh