我有一个逗号分隔的文件，其中有许多类似下面的行。
Sachin,,M,"Maths,Science,English",Need to improve in these subjects.
引号用于转义逗号分隔的多个值的分隔符。
现在，如果可能的话，我该如何使用String.split()函数在逗号分隔符上拆分上述值？
5个回答
213
public static void main(String[] args) {
String s = "Sachin,,M,\"Maths,Science,English\",Need to improve in these subjects.";
String[] splitted = s.split(",(?=([^\"]*\"[^\"]*\")*[^\"]*$)");
System.out.println(Arrays.toString(splitted));
}
输出：
[Sachin, , M, "Maths,Science,English", Need to improve in these subjects.]
- Achintya Jha
6
10我花了一些时间才明白这个正则表达式在做什么。如果有解释说明它匹配逗号后跟偶数引号（或没有引号）的话，那么对我会非常有帮助。所以，这个正则表达式之所以有效，是因为引号内部的逗号（即我们不想匹配/拆分的逗号）应该在它们之间和行末之间有奇数个引号。另外值得注意的是，如果数据中可能出现转义引号，我认为这种方法可能无法奏效。 - glyphx
4如果您想保留末尾的空字符串，请执行此操作：s.split(',(?=([^"]"[^"]")[^"]$)', -1)。参考自：https://dev59.com/LWYr5IYBdhLWcg3wH2zK。 - kctang
1非常有帮助。在JavaScript中执行此操作时，我需要将
?:添加到内部组中，因此完整表达式变为s.split(/,(?=(?:[^\"]*\"[^\"]*\")*[^\"]*$)/);。 - Marty Neal如果我的某些字段实际上也包含引号，我该如何使其工作？它在除了一些客户字段中的名称包含“”之外的所有内容上都有效。例如：Montgomery County Sheriff's Office KS“Montgomery PD，AL”，其中它在“Montgomery PD，AL”处分割并将其放在自己的行中，但不应该:/ @glyphx - Ashton
1@Ashton 非常奇怪......您最好发一条新问题，包括完整的细节。显示您正在尝试解析的整个字符串、您正在使用的模式以及结果。就我所理解的情况而言，本答案中的模式只应匹配并分割逗号。 - Ben
1正则表达式的解释/可视化 https://regexper.com/#(%3F%3D(%5B%5E%5C%22%5D*%5C%22%5B%5E%5C%22%5D*%5C%22)*%5B%5E%5C%22%5D*%24) - mtk
26
由于您的问题/需求并不是非常复杂，可以利用一种自定义方法来执行，它比原方法快20倍以上，并且产生相同的结果。这取决于数据大小和解析的行数，对于更复杂的问题，使用正则表达式是必须的。
import java.util.Arrays;
import java.util.ArrayList;
public class SplitTest {
public static void main(String[] args) {
String s = "Sachin,,M,\"Maths,Science,English\",Need to improve in these subjects.";
String[] splitted = null;
//Measure Regular Expression
long startTime = System.nanoTime();
for(int i=0; i<10; i++)
splitted = s.split(",(?=([^\"]*\"[^\"]*\")*[^\"]*$)");
long endTime = System.nanoTime();
System.out.println("Took: " + (endTime-startTime));
System.out.println(Arrays.toString(splitted));
System.out.println("");
ArrayList<String> sw = null;
//Measure Custom Method
startTime = System.nanoTime();
for(int i=0; i<10; i++)
sw = customSplitSpecific(s);
endTime = System.nanoTime();
System.out.println("Took: " + (endTime-startTime));
System.out.println(sw);
}
public static ArrayList<String> customSplitSpecific(String s)
{
ArrayList<String> words = new ArrayList<String>();
boolean notInsideComma = true;
int start =0, end=0;
for(int i=0; i<s.length()-1; i++)
{
if(s.charAt(i)==',' && notInsideComma)
{
words.add(s.substring(start,i));
start = i+1;
}
else if(s.charAt(i)=='"')
notInsideComma=!notInsideComma;
}
words.add(s.substring(start));
return words;
}
}
在我的电脑上，这将产生以下结果：
Took: 6651100
[Sachin, , M, "Maths,Science,English", Need to improve in these subjects.]
Took: 224179
[Sachin, , M, "Maths,Science,English", Need to improve in these subjects.]
- Menelaos
6
1-1 这并不回答问题，问题明确要求使用
String.split() 解决方案。顺带一提，使用 Vector 是一个对 Java 了解很少的人所编写的代码的标志之一。 - Bohemian10请解释为什么在这种情况下使用ArrayList比Vector更有优势（除了由于线程安全性而导致的性能损失）。此外，你的礼貌需要改进，礼貌是粗鲁之人的标志之一。 - Menelaos
2我并没有失礼，只是客观陈述而已。这里有一个小技巧...
Vector不是线程安全的。它是一个有缺陷的类，这就是为什么没有人，我真的是没有人在现实世界中使用它。只有完全的初学者才会使用它，我猜测这是因为演讲笔记已经过时十年了，特别是那些提倡使用Vector的讲师已经在学术界呆太久，老话"如果你做不到，就去教别人做"仍然成立。 - Bohemian4啊哈，我自己找到了有关向量是遗留问题的答案。谢谢你，我不打算再使用它了，并且相比于正则表达式+拆分，您确实帮助我更加提高了解决方案的速度。是的，原始问题要求使用拆分，但对于那些通过谷歌等途径查找此问题的人来说，也有其他替代方案是有用的。想象一下在处理100万或1000万条记录时，使用拆分与使用本特定情况下的其他方法所需的时间差异。 - Menelaos
2速度并不是一切。我坚信“少代码就是好”（原因很多，这里无法讨论）。但是，与其编写自己的代码（如果不使用
split()），我会首先查找现有的库，对于CSV解析，有很多选择。 - Bohemian很多年前，当我在.NET中使用正则表达式时，我发现通过保留正则表达式对象的静态副本（因此预先解析为自己的解析树并存储在内存中）可以显着提高性能。不知道如何在Java中实现相同的效果，同时仍然使用String.split，但这可能是主要的性能成本。 - Lisa
10
如果你的字符串都是规范的，可以使用以下正则表达式：
String[] res = str.split(",(?=([^\"]|\"[^\"]*\")*$)");
这个表达式确保分割仅发生在逗号后面跟随偶数（或零）引号的位置（因此不在这些引号内部）。
然而，使用简单的非正则表达式解析器可能更容易。
- Howard
1
读取CSV文件方面，它运行良好。如果您有这种格式：987663，seepzBranch，“Seepz mumbai，andheri”，“near infra，flat no 23，raghilla mall thane”，seepz， - abhishek ringsia
0
收藏的答案似乎是正确的，除非你有尾随逗号的情况。你应该在分割时指定限制参数。
否则结果将不包括最后三列。
public static void main(String[] args) {
String s = "Sachin,,M,\"Maths,Science,English\",Need to improve in these subjects.,,,";
String[] splitted = s.split(",(?=([^\"]*\"[^\"]*\")*[^\"]*$)", -1);
System.out.println(Arrays.toString(splitted));
}
否则结果将不包括最后三列。
- Max Omdal
-1
在处理CSV字符串时，我们需要了解以下几点：
- 行中的每个元组都以引号或非引号开头。 a）如果以引号开头，则它必须是特定列的值。 b）如果直接以非引号开头，则必须为标题。 例如：'Header1、Header2、Header3、"value1"、"value2"、"value3"'； 这里Header1、Header2和Header3是列名，其余是值。
- Shiva Prasadh
1
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接