Java中通过逗号或双引号对拆分字符串的优雅算法

问题很简单

CSV文件如下所示：

1, "John", "John Joy"

1, "John", "Joy, John"

如果我想得到每一列，我只需要使用String[]splits=line.split

如果CSV文件如下所示：

1, "John", "John Joy"

1, "John", "Joy, John"

所以在双引号对中有一个逗号。上面的拆分将不再有效，因为我想要Joy，John作为一个完整的部分

那么，是否有一种优雅/简单的算法来处理这种情况

编辑：

请不要认为这是一个正式的CSV解析的事情。我只是将CSV用作需要拆分的用例

---

我真正想要的不是一个合适的CSV解析器，相反，我只想要一个算法，它可以在考虑双引号的情况下用逗号正确地分割一行。

如果不这样做是为了学习，最好使用现有库，而不是编写自定义实现。 因为CSV有一些您在自定义实现中可能会错过的细节，而且通常库是经过良好测试的

在这里你可以找到一些好的

编辑

我创建了一个方法来解析您的字符串，但由于我没有对它进行很好的测试，它的工作可能并不完美。 这可能只是你的一个起点，你可以进一步改进它

    String inputString = "1, \"John\",\"Joy, John\"";
    char quote = '"';
    List<String> csvList = new ArrayList<String>();
    boolean inQuote = false;
    int lastStart = 0;
    for (int i = 0; i < inputString.length(); i++) {
        if ((i + 1) == inputString.length()) {
            //if this is the last character
            csvList.add(inputString.substring(lastStart, i + 1));
        }
        if (inputString.charAt(i) == quote) {
            //if the character is quote
            if (inQuote) {
                inQuote = false;
                continue; //escape
            }
            inQuote = true;
            continue;
        }
        if (inputString.charAt(i) == ',') {
            if (inQuote) continue;
            csvList.add(inputString.substring(lastStart, i));
            lastStart = i + 1;
        }
    }
    System.out.println(csvList);

有问题吗

如果你能得到像这样的线，约翰，乔伊，约翰

---

Joy，John？

如果不是为了学习，最好使用现有库，而不是编写自定义实现。 因为CSV有一些您在自定义实现中可能会错过的细节，而且通常库是经过良好测试的

在这里你可以找到一些好的

编辑

我创建了一个方法来解析您的字符串，但由于我没有对它进行很好的测试，它的工作可能并不完美。 这可能只是你的一个起点，你可以进一步改进它

    String inputString = "1, \"John\",\"Joy, John\"";
    char quote = '"';
    List<String> csvList = new ArrayList<String>();
    boolean inQuote = false;
    int lastStart = 0;
    for (int i = 0; i < inputString.length(); i++) {
        if ((i + 1) == inputString.length()) {
            //if this is the last character
            csvList.add(inputString.substring(lastStart, i + 1));
        }
        if (inputString.charAt(i) == quote) {
            //if the character is quote
            if (inQuote) {
                inQuote = false;
                continue; //escape
            }
            inQuote = true;
            continue;
        }
        if (inputString.charAt(i) == ',') {
            if (inQuote) continue;
            csvList.add(inputString.substring(lastStart, i));
            lastStart = i + 1;
        }
    }
    System.out.println(csvList);

有问题吗

如果你能得到像这样的线，约翰，乔伊，约翰

---

Joy，John？

中的两个引号使用正则表达式非常优雅。 抱歉，我不熟悉Java正则表达式，所以我的示例是Lua： 这个例子没有考虑到在引用的文本中可能有换行符，而在引用的文本中原始的引号字符会加倍

--- file.csv
1, "John", "John Joy"
2, "John", "Joy, John"

--- Lua code
for line in io.lines 'file.csv' do
   print '==='
   for _, s in (line..','):gmatch '%s*("?)(.-)%1%s*,' do
      print(s)
   end
end

--- Output
===
1
John
John Joy
===
2
John
Joy, John

---

使用正则表达式非常优雅。 抱歉，我不熟悉Java正则表达式，所以我的示例是Lua： 这个例子没有考虑到在引用的文本中可能有换行符，而在引用的文本中原始的引号字符会加倍

--- file.csv
1, "John", "John Joy"
2, "John", "Joy, John"

--- Lua code
for line in io.lines 'file.csv' do
   print '==='
   for _, s in (line..','):gmatch '%s*("?)(.-)%1%s*,' do
      print(s)
   end
end

--- Output
===
1
John
John Joy
===
2
John
Joy, John

---

可以从正则表达式开始：

[^",]*|"[^"]*"

它匹配不包含逗号的非引号字符串或引号字符串。然而，还有很多问题，包括：

你的输入中逗号后面真的有空格吗？或者，更一般地说，您是否允许不完全位于字段第一个字符处的引号

如何在包含引号的字段周围加引号

根据你如何回答这个问题，你可能会得到不同的正则表达式。事实上，使用CSV解析库的常规建议与处理角落案例无关；这是关于不必考虑它们，因为您假定标准的CSV处理，不管解析库的作者认为这可能是什么。真是一团糟

我成功地使用了一个正则表达式，尽管它与CSV不兼容：

(?:[^",]|"[^"]*")*

这与第一个非常相似，只是它允许任何数量的串联字段，因此以下两个字段都可以识别为单个字段：

"John"", Mary"
John", "Mary

CSV标准将第一个视为代表：

John", Mary    -- internal quote

并将第二个字段中的引号视为普通字符，从而生成两个字段。所以YMMV

在任何情况下，一旦您决定一个合适的正则表达式，算法都很简单。在伪代码中，因为我远不是Java专家

repeat:
   match the regex at the current position
     and append the result to the result;
   if the match fails:
     report error
   if the match goes to the end of the string:
     done
   if the next character is a ',':
     advance the position by one
   otherwise:
     report error

---

根据正则表达式的不同，报告错误的两种情况可能是不可能的。通常，如果引用的字段未终止，并且您需要决定是否允许在引用的字段中添加新行，则会触发第一个。如果使用了我提供的第一个正则表达式，但没有立即在带引号的字符串后面加逗号，则可能会出现第二种情况。

可以从正则表达式开始：

[^",]*|"[^"]*"

// use regxep with matcher

String string1 = "\"John\", \"John Joy\"";
String string2 = "\"John\", \"Joy, John\"";
Pattern pattern = Pattern.compile("\"[^\"]+\"");

Matcher matcher = pattern.matcher(string1);
System.out.println("string1: " + string1);
int start = 0;
while(matcher.find(start)){
    System.out.println(matcher.group());
    start = matcher.end() + 1;
    if(start > string1.length())
    break;
}

matcher = pattern.matcher(string2);
System.out.println("string2: " + string2);
start = 0;
while(matcher.find(start)){
    System.out.println(matcher.group());
    start = matcher.end() + 1;
    if(start > string2.length())
    break;
}

它匹配不包含逗号的非引号字符串或引号字符串。然而，还有很多问题，包括：

你的输入中逗号后面真的有空格吗？或者，更一般地说，您是否允许不完全位于字段第一个字符处的引号

如何在包含引号的字段周围加引号

根据你如何回答这个问题，你可能会得到不同的正则表达式。事实上，使用CSV解析库的常规建议与处理角落案例无关；这是关于不必考虑他们，因为你 我使用标准的CSV处理，不管根据解析库的作者是什么。真是一团糟

我成功地使用了一个正则表达式，尽管它与CSV不兼容：

(?:[^",]|"[^"]*")*

这与第一个非常相似，只是它允许任何数量的串联字段，因此以下两个字段都可以识别为单个字段：

"John"", Mary"
John", "Mary

CSV标准将第一个视为代表：

John", Mary    -- internal quote

并将第二个字段中的引号视为普通字符，从而生成两个字段。所以YMMV

在任何情况下，一旦您决定一个合适的正则表达式，算法都很简单。在伪代码中，因为我远不是Java专家

repeat:
   match the regex at the current position
     and append the result to the result;
   if the match fails:
     report error
   if the match goes to the end of the string:
     done
   if the next character is a ',':
     advance the position by one
   otherwise:
     report error

---

根据正则表达式的不同，报告错误的两种情况可能是不可能的。通常，如果引用的字段未终止，并且您需要决定是否允许在引用的字段中添加新行，则会触发第一个。如果使用了我提供的第一个正则表达式，但没有立即在带引号的字符串后面加逗号，则可能会出现第二种情况。

首先在引号中拆分字符串。奇数段将引用内容；即使是一个，也必须用逗号再拆分一次。我在日志上使用它，引用的文本没有转义引号，就像这个问题一样

// use regxep with matcher

String string1 = "\"John\", \"John Joy\"";
String string2 = "\"John\", \"Joy, John\"";
Pattern pattern = Pattern.compile("\"[^\"]+\"");

Matcher matcher = pattern.matcher(string1);
System.out.println("string1: " + string1);
int start = 0;
while(matcher.find(start)){
    System.out.println(matcher.group());
    start = matcher.end() + 1;
    if(start > string1.length())
    break;
}

matcher = pattern.matcher(string2);
System.out.println("string2: " + string2);
start = 0;
while(matcher.find(start)){
    System.out.println(matcher.group());
    start = matcher.end() + 1;
    if(start > string2.length())
    break;
}

    boolean quoted = false;
    for(String q : str.split("\"")) {
        if(quoted)
            System.out.println(q.trim());
        else
            for(String s : q.split(","))
                if(!s.trim().isEmpty())
                    System.out.println(s.trim());
        quoted = !quoted;
    }

---

首先在引号上拆分字符串。奇数段将引用内容；即使是一个，也必须用逗号再拆分一次。我在日志上使用它，引用的文本没有转义引号，就像这个问题一样

    boolean quoted = false;
    for(String q : str.split("\"")) {
        if(quoted)
            System.out.println(q.trim());
        else
            for(String s : q.split(","))
                if(!s.trim().isEmpty())
                    System.out.println(s.trim());
        quoted = !quoted;
    }

---

---

CSV文件如下所示：一个简单的文件就是这样。复杂的字段可以在引用的字段中有换行符。因此，如果您正在逐行阅读它，请注意，除非您的行感知代码正在处理引号内的换行符，否则您的行变量只能包含记录的一部分。您需要一个CSV解析器，一个简单的状态机就可以了。如果您所说的优雅是指类似于单个正则表达式的东西：没有。CSV比看上去复杂得多：多行字段、转义引号等等。不过，您可以使用CSV解析器库：例如OpenCSV，但肯定也有一个Apache解析器库。如何处理上述两种情况？CSV文件如下所示：一个简单的文件就可以。复杂的字段可以在引用的字段中有换行符。因此，如果您正在逐行阅读它，请注意，除非您的行感知代码正在处理引号内的换行符，否则您的行变量只能包含记录的一部分。您需要一个CSV解析器，一个简单的状态机就可以了。如果您所说的优雅是指类似于单个正则表达式的东西：没有。CSV比看上去复杂得多：多行字段、转义引号等等。不过，您可以使用CSV解析器库：例如OpenCSV，但肯定也有一个Apache解析器库。只处理上述两种情况如何？只处理上述两种情况如何？@Jackson Tale-Joy中的两个引号，John不适合CSV。但最初的引号会加倍。例如，John说：OK将成为John说：CSV中的OK。就像这样：1，John，Joy，John如何处理上述两个案例？@Jackson Tale-Joy中的两个引号，John不适合CSV。但最初的引号会加倍。例如，John说：OK将成为John说：CSV中的OK。就像这样：1，John，Joy，如果你能解释你的答案，比如为什么你认为它很优雅或者它所采用的方法等等，那就太好了。亚历克斯：如果你能解释你的答案，比如为什么你认为它很优雅或者它所采用的方法等等，那就太好了。解释一下你的答案。只是不喜欢正则表达式。上面的代码应该按要求拆分str。我认为@Kumar的意思是，仅代码的答案通常是不可接受的，例如，解释一下你的答案。只是不喜欢正则表达式。上面的代码应该按要求拆分str。我认为@Kumar的意思是，仅代码的答案通常是不可接受的，例如。