Language agnostic 拆分字符串时忽略带引号的部分

给定如下字符串：

a、 “字符串，带”，各种，“值和一些”，引用

在忽略引用部分中的逗号的情况下，什么是一种基于逗号分割的好算法

输出应该是一个数组：

[“a”，“string，with”，“variable”，“value，and some”，“quoted”]

---

当然，使用CSV解析器更好，但为了好玩，您可以：

Loop on the string letter by letter.
    If current_letter == quote : 
        toggle inside_quote variable.
    Else if (current_letter ==comma and not inside_quote) : 
        push current_word into array and clear current_word.
    Else 
        append the current_letter to current_word
When the loop is done push the current_word into array 

---

作者在这里插入了一块C代码，用于处理您遇到问题的场景：

---

不应该太难翻译。

< P>如果我的选择语言没有提供一种方法而不用思考，那么我会首先考虑两种选择，作为简单的出路：

对字符串进行预分析，并用另一个控制字符替换字符串中的逗号，然后拆分它们，然后对数组进行后分析，以用逗号替换以前使用的控制字符

或者，在逗号上拆分它们，然后将生成的数组后解析为另一个数组，检查每个数组项上的前导引号，并连接这些项，直到到达终止引号为止

---

然而，这些都是黑客行为，如果这是一个纯粹的“心理”练习，那么我怀疑它们将证明毫无用处。如果这是一个真实的问题，那么了解该语言将有助于我们提供一些具体的建议。

我用它来解析字符串，不确定它是否有帮助；但也许需要一些小的修改

function getstringbetween($string, $start, $end){
    $string = " ".$string;
    $ini = strpos($string,$start);
    if ($ini == 0) return "";
    $ini += strlen($start);   
    $len = strpos($string,$end,$ini) - $ini;
    return substr($string,$ini,$len);
}

$fullstring = "this is my [tag]dog[/tag]";
$parsed = getstringbetween($fullstring, "[tag]", "[/tag]");

echo $parsed; // (result = dog) 

---

/mp

这里有一个简单的算法：

确定字符串是否以“字符开头”

将字符串拆分为一个由“字符分隔的数组

用占位符

#逗号#

标记引用的逗号

• 如果输入以“”开头，请在数组中标记索引%2==0的项目
• 否则，请标记数组中索引%2==1的项目

连接数组中的项以形成修改后的输入字符串

将字符串拆分为一个数组，该数组由“

”和“

字符分隔

将

#逗号#

占位符数组中的所有实例替换为

，'

字符

数组是您的输出

下面是python实现：
（固定为处理“a，b”，c，“d，e，f，h”，“i，j，k”）

---

这是一个标准的CSV风格的解析。很多人都尝试用正则表达式来实现这一点。使用正则表达式可以达到90%左右的解析率，但您确实需要一个真正的CSV解析器来正确完成。几个月前我发现了一个我极力推荐的方法！

这里有一个伪代码（也称为Python）一次性实现：-p

def parsecsv（instr）：
i=0
j=0
超出额=[]
#我是固定的，直到匹配发生，然后它前进
#每次通过以下通道向前移动最大j.j英寸：
而我2且s[0]=''”，且s[-1]=''”：
s=s[1:-1]
#将其添加到结果中
未完成追加
#跳过逗号，向上移动i（到何处
#j将在迭代结束时）
i=j+1
j=j+1
回击出局者
def测试用例（仪表，预期）：
outstr=parsecsv（instr）
打印输出
断言应为==outsr
#不会处理像“1，2”，a，b，c，d，2”或
#转义引号，但是可以很容易地添加这些引号。
测试用例（'a，b，“1，2，3”，c'，['a'，'b'，'1，2，3'，'c']）
测试用例（'a，b，“1，2，3”，c'，['a'，'b'，'1，2，3'，'c']）
#奇数引号表示“不匹配引号”异常
#测试用例（'a，b，“1，2，3”，“c”，“a”，“b”，“1，2，3”，“c']））

看起来您在这里找到了一些不错的答案

对于那些希望处理自己的CSV文件解析的人，请听取专家和管理员的建议

您的第一个想法是，“我需要在引号中处理逗号。”

你的下一个想法是，“哦，废话，我需要处理引号内的引号。转义引号。双引号。单引号…”

---

这是一条疯狂之路。不要自己写。找到一个具有广泛单元测试覆盖率的库，该库覆盖了所有困难的部分，并且为您经历了地狱。对于.NET，请使用免费库。

我忍不住想看看是否可以在Python一行程序中使用它：

arr = [i.replace("|", ",") for i in re.sub('"([^"]*)\,([^"]*)"',"\g<1>|\g<2>", str_to_test).split(",")]

arr=[i.replace（“；”，“，”）代表re.sub中的i（“（[^”]*）\，（[^”]*）”，“\g | \g”，stru to_test）。拆分（“，”）

返回['a'，'string，带'，'各种'，'值和一些'，'引号'] 它首先将“，”内引号替换为另一个分隔符（|），

---

在“，”上拆分字符串并再次替换|分隔符。

Python:

import csv
reader = csv.reader(open("some.csv"))
for row in reader:
    print row

---

如果出现奇数引号怎么办 在原始字符串中

这看起来很像CSV解析，它在处理带引号的字段时有一些特殊性。仅当字段用双引号分隔时，才会转义该字段，因此：

字段1，“字段2，字段3”，字段4，“字段5，字段6”字段7

变成

字段1

场2，场3

字段4

“第5场

字段6“字段7

请注意，如果它不是以引号开始和结束，那么它就不是一个带引号的字段，双引号被简单地视为双引号

顺便说一句，如果我没记错的话，我链接到的代码实际上没有正确处理这个问题。

这里有一个简单的pytho

arr = [i.replace("|", ",") for i in re.sub('"([^"]*)\,([^"]*)"',"\g<1>|\g<2>", str_to_test).split(",")]

import csv
reader = csv.reader(open("some.csv"))
for row in reader:
    print row

def splitIgnoringSingleQuote(string, split_char, remove_quotes=False):
    string_split = []
    current_word = ""
    inside_quote = False
    for letter in string:
      if letter == "'":
        if not remove_quotes:
           current_word += letter
        if inside_quote:
          inside_quote = False
        else:
          inside_quote = True
      elif letter == split_char and not inside_quote:
        string_split.append(current_word)
        current_word = ""
      else:
        current_word += letter
    string_split.append(current_word)
    return string_split

def find_character_indices(s, ch):
    return [i for i, ltr in enumerate(s) if ltr == ch]


def split_text_preserving_quotes(content, include_quotes=False):
    quote_indices = find_character_indices(content, '"')

    output = content[:quote_indices[0]].split()

    for i in range(1, len(quote_indices)):
        if i % 2 == 1: # end of quoted sequence
            start = quote_indices[i - 1]
            end = quote_indices[i] + 1
            output.extend([content[start:end]])

        else:
            start = quote_indices[i - 1] + 1
            end = quote_indices[i]
            split_section = content[start:end].split()
            output.extend(split_section)

        output += content[quote_indices[-1] + 1:].split()                                                                 

    return output