Java 创建一个支持字符串的番石榴拆分器

我想为Java创建一个番石榴拆分器，它可以将Java字符串作为一个块来处理。例如，我希望以下断言为真：

@Test
public void testSplitter() {
  String toSplit = "a,b,\"c,d\\\"\",e";
  List<String> expected = ImmutableList.of("a", "b", "c,d\"","e");

  Splitter splitter = Splitter.onPattern(...);
  List<String> actual = ImmutableList.copyOf(splitter.split(toSplit));

  assertEquals(expected, actual);
}

@测试
公共void testSplitter（）{
字符串toSplit=“a，b，\”c，d\\\”，e”；
预期列表=不可变列表，共有（“a”、“b”、“c、d\”和“e”）；
Splitter Splitter=Splitter.onPattern（…）；
List-actual=ImmutableList.copyOf（spliter.split（toSplit））；
资产质量（预期、实际）；
}

< >我可以编写正则表达式来查找所有元素，不考虑“，”，但我找不到作为分隔符使用的正则表达式。

---

如果不可能，请直接说出来，然后我将从findAll正则表达式构建列表。

这似乎是您应该使用CSV库（例如for）的内容。分隔值和处理引用块之类的情况就是它们的全部内容。

您可以按照以下模式进行拆分：

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

使用

（？x）

标志时，哪个选项看起来（有点）更友好：

(?x)            # enable comments, ignore space-literals
\s*,\s*         # match a comma optionally surrounded by space-chars
(?=             # start positive look ahead
  (             #   start group 1
    (           #     start group 2
      \\["\\]   #       match an escaped quote or backslash
      |         #       OR
      [^"\\]    #       match any char other than a quote or backslash
    )*          #     end group 2, and repeat it zero or more times
    "           #     match a quote
    (           #     start group 3
      \\["\\]   #       match an escaped quote or backslash
      |         #       OR
      [^"\\]    #       match any char other than a quote or backslash
    )*          #     end group 3, and repeat it zero or more times
    "           #     match a quote
  )*            #   end group 1, and repeat it zero or more times
  (             #   open group 4
    \\["\\]     #     match an escaped quote or backslash
    |           #     OR
    [^"\\]      #     match any char other than a quote or backslash
  )*            #   end group 4, and repeat it zero or more times
  $             #   match the end-of-input
)               # end positive look ahead

但即使在这个评论版本中，它仍然是一个怪物。用简单的英语，这个正则表达式可以解释如下：

a
b
"c,d\""
e

匹配一个可选地由空格字符包围的逗号，仅当向前看该逗号时（一直到字符串末尾！），引号数为零或偶数，而忽略转义引号或转义反斜杠

因此，在看到这一点之后，您可能会同意Colin（我同意！）的观点，即在这种情况下，使用某种CSV解析器是可行的

请注意，上面的正则表达式将保留标记周围的QOUTE，即字符串

a，b，“c，d\”，e

（作为文本：

“a，b，\'c，d\\\”，e“

）将按如下方式拆分：

a
b
"c,d\""
e

---

这是一个Guava特性请求：

我有同样的问题（除了不需要支持引号字符转义）。对于这样简单的事情，我不想再增加一个库。然后我想到，我需要一个可变的字符匹配器。正如巴特·基尔斯的解决方案一样，它保持了引用的特点

public static Splitter quotableComma() {
    return on(new CharMatcher() {
        private boolean inQuotes = false;

        @Override
        public boolean matches(char c) {
            if ('"' == c) {
                inQuotes = !inQuotes;
            }
            if (inQuotes) {
                return false;
            }
            return (',' == c);
        }
    });
}

@Test
public void testQuotableComma() throws Exception {
    String toSplit = "a,b,\"c,d\",e";
    List<String> expected = ImmutableList.of("a", "b", "\"c,d\"", "e");
    Splitter splitter = Splitters.quotableComma();
    List<String> actual = ImmutableList.copyOf(splitter.split(toSplit));
    assertEquals(expected, actual);
}

公共静态拆分器quotableComma（）{
返回（新的CharMatcher（）{
私有布尔inQuotes=false；
@凌驾
公共布尔匹配（字符c）{
如果（“”==c）{
inQuotes=！inQuotes；
}
如果（以引号引）{
返回false；
}
返回（'，'==c）；
}
});
}
@试验
public void testQuotableComma（）引发异常{
字符串toSplit=“a，b，\'c，d\'，e”；
预期列表=不可变列表，共有（“a”、“b”、“c、d”、“e”）；
Splitter Splitter=Splitters.quotableComma（）；
List-actual=ImmutableList.copyOf（spliter.split（toSplit））；
资产质量（预期、实际）；
}

对@Rage Steel的答案稍加改进

final static CharMatcher notQuoted = new CharMatcher() {
     private boolean inQuotes = false;

     @Override
     public boolean matches(char c) {
        if ('"' == c) {
        inQuotes = !inQuotes;
     }
     return !inQuotes;
};

final static Splitter SPLITTER = Splitter.on(notQuoted.and(CharMatcher.anyOf(" ,;|"))).trimResults().omitEmptyStrings();

然后呢,

public static void main(String[] args) {
    final String toSplit = "a=b c=d,kuku=\"e=f|g=h something=other\"";

    List<String> sputnik = SPLITTER.splitToList(toSplit);
    for (String s : sputnik)
        System.out.println(s);
}

publicstaticvoidmain（字符串[]args）{
最后一个字符串toSplit=“a=bc=d，kuku=\”e=f | g=h something=other\”；
List sputnik=spliter.splitToList（toSplit）；
用于（字符串s:sputnik）
系统输出打印项次；
}

---

注意线程安全性（或者，为了简化，没有任何问题）

我已经+1了你的答案，因为它（几乎）是这样的使用我想要的工具，这正是我想要的，但为了可读性，我接受了科林的答案。无论如何，非常非常好的东西！@ogregoire，我完全同意。我发布它主要是为了展示你最终会得到一个多么可怕的正则表达式：这样的野兽不应该在野外被释放！：）我也有同样的问题，但我甚至没有想到一个新的正则表达式阿玛彻，谢谢！