使用空格和引号解析字符串（保留引号）

Question

如果我有一个像这样的字符串：

create myclass "56, 'for the better or worse', 54.781"

我该如何解析它，以便得到以下内容的三个字符串“单词”：

[0] create
[1] myclass
[2] "56, 'for the better or worse', 54.781"

编辑2：请注意引号需要保留

起初，我尝试使用string.Split(' ')，但我发现它会将第三个string分成几个字符串。

我尝试通过在Split中使用count参数作为3来限制结果数量以解决这个问题。对于这种情况，这样做没问题，但当给出的字符串是：

create myclass false "56, 'for the better or worse', 54.781" //or
create myclass "56, 'for the better or worse', 54.781" false

由于最后两个单词会被合并，因此拆分失败。

我还创建了类似于ReadInBetweenSameDepth的东西，以获取引号之间的string

这是我的ReadInBetweenSameDepth方法

//Examples:
    //[1] (2 + 1) * (5 + 6) will return 2 + 1
    //[2] (2 * (5 + 6) + 1) will return 2 * (5 + 6) + 1
public static string ReadInBetweenSameDepth(string str, char delimiterStart, char delimiterEnd) {
  if (delimiterStart == delimiterEnd || string.IsNullOrWhiteSpace(str) || str.Length <= 2)
    return null;
  int delimiterStartFound = 0;
  int delimiterEndFound = 0;
  int posStart = -1;
  for (int i = 0; i < str.Length; ++i) {
    if (str[i] == delimiterStart) {
      if (i >= str.Length - 2) //delimiter start is found in any of the last two characters
        return null; //it means, there isn't anything in between the two
      if (delimiterStartFound == 0) //first time
        posStart = i + 1; //assign the starting position only the first time...
      delimiterStartFound++; //increase the number of delimiter start count to get the same depth
    }
    if (str[i] == delimiterEnd) {
      delimiterEndFound++;
      if (delimiterStartFound == delimiterEndFound && i - posStart > 0)
        return str.Substring(posStart, i - posStart); //only successful if both delimiters are found in the same depth
    }
  }
  return null;
}

虽然这个函数能够工作，但我发现将结果与string.Split结合起来以实现我想要的正确解析相当困难。

编辑2：在我的糟糕解决方案中，我需要稍后重新添加引号

有没有更好的方法来解决这个问题？如果我们使用Regex，该如何操作？

编辑：

我真的不知道这个问题可以像CSV格式的文本一样解决。我也不知道这个问题不一定要通过Regex来解决（因此我将其标记为这样）。对于那些认为这是重复帖子的人，我真诚地道歉。

编辑2：

在我的项目上工作了更多之后，我意识到我的问题有些问题（即，我没有包括引号）- 向先前最佳答案者Tim Schmelter先生道歉。然后，在查看重复链接后，我注意到它也没有提供解决方案。

- Ian

Answer 1

你可以通过这个进行分割。

\s(?=(?:[^"]*"[^"]*")*[^"]*$)

See demo.

https://regex101.com/r/fM9lY3/60

string strRegex = @"\s(?=(?:[^""]*""[^""]*"")*[^""]*$)";
Regex myRegex = new Regex(strRegex, RegexOptions.Multiline);
string strTargetString = @"create myclass ""56, 'for the better or worse', 54.781""";

return myRegex.Split(strTargetString);

- vks

---

谢谢，我认为这是最好的答案，因为我正在使用C#完成这个任务。但是，我并不知道我的问题与CSV解析相同。 - Ian

哦，拜托，这是这里最糟糕的答案！如果可以不用正则表达式，请不要使用它！看看它需要多少回溯。我宁愿选择一个更详细解释的答案。 - Wiktor Stribiżew

@stribizhev 先生，你有更好的答案吗？因为我的方法显然比所有给出的答案都要糟糕。 - Ian

答案在重复的问题中，或者在这里：`public static string[] parse(string csv, string separator) { TextFieldParser parser = new TextFieldParser(new StringReader(csv)); parser.HasFieldsEnclosedInQuotes = true; parser.SetDelimiters(separator); string[] fields = null; while (!parser.EndOfData) fields = parser.ReadFields(); parser.Close(); return fields; }`。将空格设置为分隔符，就这样，很安全。添加 `using Microsoft.VisualBasic.FileIO;` 和 `System.IO;`。 - Wiktor Stribiżew

@stribizhev 所以你也认为 TextFieldParser 是像 TimSchmelter 先生说的那样最好的方法。谢谢，我会去查看一下的。 - Ian

其实，Tushar对他的正则表达式给出了更详细的解释 :) - Wiktor Stribiżew

Answer 2

正则表达式演示

(\w+|"[^"]*")

获取第一组捕获的匹配项。

1. \w+: 匹配一个或多个字母数字字符和下划线
2. "[^"]*": 匹配被双引号包含的任何内容
3. |: 正则表达式中的OR条件

- Tushar

---

谢谢，我测试了正则表达式并且它运行良好。也感谢您的解释。 - Ian

谢谢Tushar先生，经过进一步处理数据，看起来您的解决方案是最好的，而且还有解释。这是我另一个帖子，让我这么想：http://stackoverflow.com/questions/34624536/stringsplitoptions-removeemptyentries-equivalent-for-textfieldparser - Ian

Answer 3

我会为这个任务使用一个真正的CSV解析器。框架中唯一可用的是VisualBasic命名空间中的TextFieldParser类：

string str = "create myclass \"56, 'for the better or worse', 54.781\"";
var allLineFields = new List<string[]>();
using (var parser = new Microsoft.VisualBasic.FileIO.TextFieldParser(new StringReader(str)))
{
    parser.Delimiters = new string[] { " " };
    parser.HasFieldsEnclosedInQuotes = true;  // important
    string[] lineFields;
    while ((lineFields = parser.ReadFields()) != null)
    {
        allLineFields.Add(lineFields);
    }
}

结果：

但是还有其他可用的选项，比如this或this。

- Tim Schmelter

---

谢谢，我不知道VB库中有TextFieldParser可以这样使用。感谢您的建议。+10 - Ian

@Ian：如果你要解析一些较大的文本，它比使用正则表达式更有效，你可以毫无问题地在 C# 中使用它。不用客气。 - Tim Schmelter

哦，我明白了...我的错。显然，既然它被转换为dll，那么它应该是.Net类，而不是VB，因此在C#中也可以很容易地使用它。感谢您的纠正。我也想看看它的性能。 - Ian

@TimSchmelter：在我之前很久你就应该将这个问题标记为重复了。你已经回答过这样的问题一百万次了。 - Wiktor Stribiżew